前言
在很多情况下，我们需要遍历图，得到图的一些性质，例如，找出图中与指定的顶点相连的所有顶点，或者判定某个顶点与指定顶点是否相通，是非常常见的需求。
有关图的搜索，最经典的算法有深度优先搜索和广度优先搜索，接下来我们分别讲解这两种搜索算法。
学习本文前请先阅读这篇文章 【数据结构与算法】图的基础概念和数据模型。
深度优先搜索算法
所谓的深度优先搜索，指的是在搜索时，如果遇到一个结点既有子结点，又有兄弟结点，那么先找子结点，然后找兄弟结点。
如上图所示：
由于边是没有方向的，所以，如果4和5顶点相连，那么4会出现在5的相邻链表中，5也会出现在4的相邻链表中。
为了不对顶点进行重复搜索，应该要有相应的标记来表示当前顶点有没有搜索过，可以使用一个布尔类型的数组boolean[V] marked,索引代表顶点，值代表当前顶点是否已经搜索，如果已经搜索，标记为true，
如果没有搜索，标记为false；
API设计
| 类名 | DepthFirstSearch |
|---|---|
| 成员变量 | 1.private boolean[] marked: 索引代表顶点，值表示当前顶点是否已经被搜索2.private int count：记录有多少个顶点与s顶点相通 |
| 构造方法 | DepthFirstSearch(Graph G,int s)：构造深度优先搜索对象，使用深度优先搜索找出G图中s顶点的所有相通顶点 |
| 成员方法 | 1.private void dfs(Graph G, int v)：使用深度优先搜索找出G图中v顶点的所有相通顶点2.public boolean marked(int w):判断w顶点与s顶点是否相通3.public int count():获取与顶点s相通的所有顶点的总数 |
代码实现
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 | /** * 图的深度优先搜索算法 * * @author alvin * @date 2022/10/31 * @since 1.0 **/public class DepthFirstSearch { //索引代表顶点，值表示当前顶点是否已经被搜索 private boolean[] marked; //记录有多少个顶点与s顶点相通 private int count; //构造深度优先搜索对象，使用深度优先搜索找出G图中s顶点的所有相邻顶点 public DepthFirstSearch(Graph G, int s) { //创建一个和图的顶点数一样大小的布尔数组 marked = new boolean[G.V()]; dfs(G, s); } //使用深度优先搜索找出G图中v顶点的所有相邻顶点 private void dfs(Graph G, int v) { //把当前顶点标记为已搜索 marked[v] = true; //遍历v顶点的邻接表，得到每一个顶点w for (Integer w : G.adj(v)) { //遍历v顶点的邻接表，得到每一个顶点w if (!marked[w]) { //如果当前顶点w没有被搜索过，则递归搜索与w顶点相通的其他顶点 dfs(G, w); } } //相通的顶点数量+1 count++; } //判断w顶点与s顶点是否相通 public boolean marked(int w) { return marked[w]; } //获取与顶点s相通的所有顶点的总数 public int count() { return count; }} |
测试：
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 | public class DepthFirstSearchTest { @Test public void test() { //准备Graph对象 Graph G = new Graph(13); G.addEdge(0,5); G.addEdge(0,1); G.addEdge(0,2); G.addEdge(0,6); G.addEdge(5,3); G.addEdge(5,4); G.addEdge(3,4); G.addEdge(4,6); G.addEdge(7,8); G.addEdge(9,11); G.addEdge(9,10); G.addEdge(9,12); G.addEdge(11,12); //准备深度优先搜索对象 DepthFirstSearch search = new DepthFirstSearch(G, 0); //测试与某个顶点相通的顶点数量 int count = search.count(); System.out.println("与起点0相通的顶点的数量为:"+count); //测试某个顶点与起点是否相同 boolean marked1 = search.marked(5); System.out.println("顶点5和顶点0是否相通："+marked1); boolean marked2 = search.marked(7); System.out.println("顶点7和顶点0是否相通："+marked2); }} |
广度优先搜素算法
所谓的广度优先搜索，指的是在搜索时，如果遇到一个结点既有子结点，又有兄弟结点，那么先找兄弟结点，然后找子结点。
- 可以通过借助一个辅助队列实现，先将1加入到队列中
- 然后取出1，将1的相邻顶点加入到队列中
- 依次递归，如下图所示：
API设计
| 类名 | BreadthFirstSearch |
|---|---|
| 成员变量 | 1.private boolean[] marked: 索引代表顶点，值表示当前顶点是否已经被搜索2.private int count：记录有多少个顶点与s顶点相通3.private Queue waitSearch: 用来存储待搜索邻接表的点 |
| 构造方法 | BreadthFirstSearch(Graph G,int s)：构造广度优先搜索对象，使用广度优先搜索找出G图中s顶点的所有相邻顶点 |
| 成员方法 | 1.private void bfs(Graph G, int v)：使用广度优先搜索找出G图中v顶点的所有相邻顶点2.public boolean marked(int w):判断w顶点与s顶点是否相通3.public int count():获取与顶点s相通的所有顶点的总数 |
代码实现
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 | /** * 图的广度优先搜索算法 * * @author alvin * @date 2022/10/31 * @since 1.0 **/public class BreadthFirstSearch { //索引代表顶点，值表示当前顶点是否已经被搜索 private boolean[] marked; //记录有多少个顶点与s顶点相通 private int count; //用来存储待搜索邻接表的点 private Queue waitSearch; //构造广度优先搜索对象，使用广度优先搜索找出G图中s顶点的所有相邻顶点 public BreadthFirstSearch(Graph G, int s) { this.marked = new boolean[G.V()]; this.count = 0; this.waitSearch = new ArrayDeque(); bfs(G, s); } //使用广度优先搜索找出G图中v顶点的所有相邻顶点 private void bfs(Graph G, int v) { //把当前顶点v标识为已搜索 marked[v] = true; //让顶点v进入队列，待搜索 waitSearch.add(v); //通过循环，如果队列不为空，则从队列中弹出一个待搜索的顶点进行搜索 while (!waitSearch.isEmpty()) { //弹出一个待搜索的顶点 Integer wait = waitSearch.poll(); //遍历wait顶点的邻接表 for (Integer w : G.adj(wait)) { if (!marked[w]) { bfs(G, w); } } } //让相通的顶点+1； count++; } //判断w顶点与s顶点是否相通 public boolean marked(int w) { return marked[w]; } //获取与顶点s相通的所有顶点的总数 public int count() { return count; }} |
测试代码：
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 | public class BreadthFirstSearchTest { @Test public void test() { //准备Graph对象 Graph G = new Graph(13); G.addEdge(0, 5); G.addEdge(0, 1); G.addEdge(0, 2); G.addEdge(0, 6); G.addEdge(5, 3); G.addEdge(5, 4); G.addEdge(3, 4); G.addEdge(4, 6); G.addEdge(7, 8); G.addEdge(9, 11); G.addEdge(9, 10); G.addEdge(9, 12); G.addEdge(11, 12); //准备广度优先搜索对象 BreadthFirstSearch search = new BreadthFirstSearch(G, 0); //测试与某个顶点相通的顶点数量 int count = search.count(); System.out.println("与起点0相通的顶点的数量为:" + count); //测试某个顶点与起点是否相同 boolean marked1 = search.marked(5); System.out.println("顶点5和顶点0是否相通：" + marked1); boolean marked2 = search.marked(7); System.out.println("顶点7和顶点0是否相通：" + marked2); }} |
案例应用
某省调查城镇交通状况，得到现有城镇道路统计表，表中列出了每条道路直接连通的城镇。“畅通工程”的目标是使全省任何两个城镇间都可以实现交通（但不一定有直接的道路相连，只要互相间接通过道路可达即可）。目前的道路状况，9号城市和10号城市是否相通？9号城市和8号城市是否相通？
测试数据格式如上图所示，总共有20个城市，目前已经修改好了7条道路，问9号城市和10号城市是否相通？9号城市和8号城市是否相通？
解题思路：
- 创建一个图Graph对象，表示城市；
- 分别调用
addEdge(0,1),addEdge(6,9),addEdge(3,8),addEdge(5,11),addEdge(2,12),addEdge(6,10),addEdge(4,8)，表示已经修建好的道路把对应的城市连接起来； - 通过Graph对象和顶点9，构建
DepthFirstSearch对象或BreadthFirstSearch对象； - 调用搜索对象的
marked(10)方法和marked(8)方法，即可得到9和城市与10号城市以及9号城市与8号城市是否相通。
代码实现：
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 | public class TrafficProjectGraph { public static void main(String[] args) throws Exception{ //城市数量 int totalNumber = 20; Graph G = new Graph(totalNumber); //添加城市的交通路线 G.addEdge(0,1); G.addEdge(6,9); G.addEdge(3,8); G.addEdge(5,11); G.addEdge(2,12); G.addEdge(6,10); G.addEdge(4,8); //构建一个深度优先搜索对象，起点设置为顶点9 DepthFirstSearch search = new DepthFirstSearch(G, 9); //调用marked方法，判断8顶点和10顶点是否与起点9相通 System.out.println("顶点8和顶点9是否相通："+search.marked(8)); System.out.println("顶点10和顶点9是否相通："+search.marked(10)); }} |
结果：
以上就是Java数据结构之图的两种搜索算法详解的详细内容，更多关于Java图搜索算法的资料请关注IT俱乐部其它相关文章！
