本文转载自微信公众号「贝塔学JAVA」,作者Silently9527。转载本文请联系贝塔学JAVA公众号。
前言
在前面两篇中我们通过深度优先搜索可以从图中找出一条通过顶点v到顶点w的路径,但是深度优先搜索与顶点的输入有很大的关系,找出来的路径也不一定是最短的,通常情况下我们很多时候需要找出图中的最短路径,比如:地图功能。这里我们就需要使用到广度优先搜索算法
广度优先搜索
依然使用之前定义的寻找路径的API
- public class Paths {
- Paths(Graph graph, int s);
- boolean hasPathTo(int v); //判断出从s->v是否存在路径
- Iterable<Integer> pathTo(int v); //如果存在路径,返回路径
- }
在广度优先搜索中,为了找出最短路径,我们需要按照起点的顺序来遍历所有的顶点,而不在是使用递归来实现;算法的思路:
- 使用队列来保存已经被标记过但是邻接表还未被遍历过的顶点
- 取出队列中的下一个顶点v并标记它
- 将v相邻的所有未被标记的顶点加入到队列
在该算法中,为了保存路径,我们依然需要使用一个边的数组edgeTo[],用一颗父链树来表示根节点到所有连通顶点的最短路径。
- public class BreadthFirstPaths {
- private boolean marked[];
- private int[] edgeTo;
- private int s;
- private Queue<Integer> queue = new LinkedListQueue<>();
- public BreadthFirstPaths(Graph graph, int s) {
- this.s = s;
- this.marked = new boolean[graph.V()];
- this.edgeTo = new int[graph.V()];
- bfs(graph, s);
- }
- private void bfs(Graph graph, int s) {
- this.marked[s] = true;
- this.queue.enqueue(s);
- while (!this.queue.isEmpty()) {
- Integer v = this.queue.dequeue();
- for (int w : graph.adj(v)) {
- if (!this.marked[w]) {
- this.marked[w] = true;
- this.edgeTo[w] = v;
- this.queue.enqueue(w);
- }
- }
- }
- }
- public boolean hasPathTo(int v) {
- return this.marked[v];
- }
- public Iterable<Integer> pathTo(int v) {
- if (!hasPathTo(v)) {
- throw new IllegalStateException("s不能到达v");
- }
- Stack<Integer> stack = new LinkedListStack<>();
- stack.push(v);
- while (edgeTo[v] != s) {
- stack.push(edgeTo[v]);
- v = edgeTo[v];
- }
- stack.push(s);
- return stack;
- }
- }
以下图为列,来看看广度优先搜索的运行轨迹
单元测试的代码:
- @Test
- public void test() {
- Graph graph = new Graph(8);
- graph.addEdge(0, 1);
- graph.addEdge(0, 2);
- graph.addEdge(0, 5);
- graph.addEdge(1, 3);
- graph.addEdge(2, 4);
- graph.addEdge(4, 3);
- graph.addEdge(5, 3);
- graph.addEdge(6, 7);
- BreadthFirstPaths paths = new BreadthFirstPaths(graph, 0);
- System.out.println(paths.hasPathTo(5));
- System.out.println(paths.hasPathTo(2));
- System.out.println(paths.hasPathTo(6));
- paths.pathTo(5).forEach(System.out::print);
- System.out.println();
- paths.pathTo(4).forEach(System.out::print);
- System.out.println();
- paths.pathTo(2).forEach(System.out::print);
- System.out.println();
- paths.pathTo(3).forEach(System.out::print);
- }
执行的结果与我们分析的运行轨迹一致
符号图
最近几篇文章一起学习到的图算法都是以数字作为了顶点,是因为数字来实现这些算法会非常的简洁方便,但是在实际的场景中,通常都是使用的字符作为顶点而非数字,比如:地图上的位置、电影与演员的关系。
为了满足实际的场景,我们只需要在数字与字符串的关系做一个映射,此时我们会想到之前文章实现的map(通过二叉树实现map、红黑树实现map、哈希表实现map等等,有兴趣的同学可以去翻翻),使用Map来维护字符串和数字的映射关系。
- public interface SymbolGraph {
- boolean contains(String key); //判断是否存在顶点
- int index(String key); //通过名称返回对应的数字顶点
- String name(int v); //通过数字顶点返回对应的字符名称
- Graph graph();
- }
实现的思路:
- 使用Map来保存字符串-数字的映射,key为字符串,value为数字
- 使用一个数组来反向映射数字-字符串,数组的下标对应数字顶点,值对应字符串名称
- 假设构造图的顶点与边是通过字符串来表示的,如:a,b,c,d\nb,a,h,l,p\ng,s,z 使用\n分隔的每段第一个字符串表示顶点v,后面的表示与顶点v相连的相邻顶点;
实际的过程可以根据具体情况来确定,不一定非得这种字符串,可以来源于数据库,也可以来源于网路的请求。
代码实现如下:
- public class SymbolGraph {
- private Map<String, Integer> map = new RedBlack23RedBlackTreeMap<>();
- private String[] keys;
- private Graph graph;
- public SymbolGraph(String text) {
- Arrays.stream(text.split("\n")).forEach(line -> {
- String[] split = line.split(",");
- for (int i = 0; i < split.length; i++) {
- map.put(split[i], i);
- }
- });
- this.keys = new String[map.size()];
- map.keys().forEach(key -> {
- this.keys[this.map.get(key)] = key;
- });
- this.graph = new Graph(this.keys.length);
- Arrays.stream(text.split("\n")).forEach(line -> {
- String[] split = line.split(",");
- int v = this.map.get(split[0]);
- for (int i = 1; i < split.length; i++) {
- this.graph.addEdge(v, this.map.get(split[i]));
- }
- });
- }
- public boolean contains(String key) {
- return map.contains(key);
- }
- public int index(String key) {
- return map.get(key);
- }
- public String name(int index) {
- return this.keys[index];
- }
- public Graph graph() {
- return this.graph;
- }
- public static void main(String[] args) {
- System.out.println(Arrays.toString("323\n2323".split("\n")));
- }
- }
文中所有源码已放入到了github仓库:https://github.com/silently9527/JavaCore