Java实现算法导论中图的广度优先搜索（BFS）和深度优先搜索（DFS）

对算法导论中图的广度优先搜索（BFS）和深度优先搜索（DFS）用Java实现其中的伪代码算法，案例也采用算法导论中的图。

import java.util.ArrayList;import java.util.HashMap;import java.util.Iterator;import java.util.LinkedList;import java.util.Map;import java.util.Map.Entry;public class GraphSearch {final static HashMap<String,LinkedList<String>> DGraph=new HashMap<String,LinkedList<String>>(); //有向图final static HashMap<String,LinkedList<String>> UGraph=new HashMap<String,LinkedList<String>>(); //无向图public static final int MAX_VALUE=2147483647;public static final int MIN_VALUE=-2147483648;public static void main(String [] args) {   //邻接表表示，初始化有向图和无向图，图用算法导论中的案例，分别是图22-1和图22-2GraphSearch.initUGraph();GraphSearch.initDGraph();//BFS广度优先搜索//GraphSearch.BFSUGraph();//GraphSearch.BFSDGraph();//DFS深度优先搜索GraphSearch gs=new GraphSearch();//gs.DFSUGraph();gs.DFSDGraph();}//深度优先搜索//初始化六个顶点的颜色、父顶点、发现距离和结束距离public  String[] DDColor = new String[]{"white","white","white","white","white","white"};public  int[] DDDis=new int[]{MAX_VALUE,MAX_VALUE,MAX_VALUE,MAX_VALUE,MAX_VALUE,MAX_VALUE};public  int[] DDFin=new int[]{MAX_VALUE,MAX_VALUE,MAX_VALUE,MAX_VALUE,MAX_VALUE,MAX_VALUE};public  String[] DDParent=new String[]{"null","null","null","null","null","null"};public  int DDTime=0;//计算发现时间和结束时间public void DFSDGraph(){//有向图深度优先搜索//遍历邻接表Iterator<Entry<String, LinkedList<String>>> iter=DGraph.entrySet().iterator();while (iter.hasNext() ) {Map.Entry<String, LinkedList<String>> entry = iter.next();String key = entry.getKey();int iKey=Integer.valueOf(key.substring(1))-1;if (DDColor[iKey]=="white") DFSDGraphVisit(key);}}public void DFSDGraphVisit(String key){//无向图深度优先搜索int n=Integer.valueOf(key.substring(1))-1;DDColor[n]="gray";DDTime=DDTime+1;DDDis[n]=DDTime;LinkedList<String> llV=DGraph.get(key);for(int i=0;i<llV.size();i++){String strV=llV.get(i);int m=Integer.valueOf(strV.substring(1))-1;if(DDColor[m]=="white"){DDParent[m]=key;DFSDGraphVisit(strV);}}DDColor[n]="black";DDTime=DDTime+1;DDFin[n]=DDTime;System.out.println("顶点："+key+"发现时间："+String.valueOf(DDDis[n])+"结束时间："+String.valueOf(DDFin[n])+"父顶点："+DDParent[n]+"当前颜色："+DDColor[n]);}//初始化五个顶点的颜色、父顶点、发现距离和结束距离public  String[] DUColor = new String[]{"white","white","white","white","white"};public  int[] DUDis=new int[]{MAX_VALUE,MAX_VALUE,MAX_VALUE,MAX_VALUE,MAX_VALUE};public  int[] DUFin=new int[]{MAX_VALUE,MAX_VALUE,MAX_VALUE,MAX_VALUE,MAX_VALUE};public  String[] DUParent=new String[]{"null","null","null","null","null"};public  int DUTime=0;//计算发现时间和结束时间public  void DFSUGraph(){//无向图深度优先搜索//遍历邻接表Iterator<Entry<String, LinkedList<String>>> iter=UGraph.entrySet().iterator();while (iter.hasNext() ) {    Map.Entry<String, LinkedList<String>> entry = iter.next();    String key = entry.getKey();    int iKey=Integer.valueOf(key.substring(1))-1;    if (DUColor[iKey]=="white") DFSUGraphVisit(key);}}public void DFSUGraphVisit(String key){//无向图深度优先搜索int n=Integer.valueOf(key.substring(1))-1;DUColor[n]="gray";DUTime=DUTime+1;DUDis[n]=DUTime;LinkedList<String> llV=UGraph.get(key);for(int i=0;i<llV.size();i++){String strV=llV.get(i);int m=Integer.valueOf(strV.substring(1))-1;if(DUColor[m]=="white"){DUParent[m]=key;DFSUGraphVisit(strV);}}DUColor[n]="black";DUTime=DUTime+1;DUFin[n]=DUTime;System.out.println("顶点："+key+"发现时间："+String.valueOf(DUDis[n])+"结束时间："+String.valueOf(DUFin[n])+"父顶点："+DUParent[n]+"当前颜色："+DUColor[n]);}//广度优先搜索public static void BFSDGraph(){//有向图广度优先搜索//有向图DFS算法要改良，多个源顶点生成多颗树//选初始化六个的颜色、父顶点、最短距离String[] color = new String[]{"white","white","white","white","white","white"};int[] dist=new int[]{MAX_VALUE,MAX_VALUE,MAX_VALUE,MAX_VALUE,MAX_VALUE,MAX_VALUE};String[] parent=new String[]{"null","null","null","null","null","null"};//遍历顶点表DGraph，看是否还存在未搜索的ArrayList<String> ALV=new ArrayList<String> ();Iterator<Entry<String, LinkedList<String>>> iter=DGraph.entrySet().iterator();while (iter.hasNext() && ALV.size()<6) {    Map.Entry<String, LinkedList<String>> entry = iter.next();String key = entry.getKey();if(ALV.contains(key)) continue;//已搜索，下次循环//LinkedList<String> val = entry.getValue();int iSV=Integer.valueOf(key.substring(1))-1;//初始化源顶点color[iSV]="gray";dist[iSV]=0;parent[iSV]="null";ArrayList<String> queue=new ArrayList<String>();queue.add(key);//开始搜索while(queue.size()>0){String strV=queue.get(0);queue.remove(0);//出列int m=Integer.valueOf(strV.substring(1))-1;LinkedList<String> listV= DGraph.get(strV);for(int i=0;i<listV.size();i++){String strVTmp=listV.get(i);int n=Integer.valueOf(strVTmp.substring(1))-1;//顶点名称第二个字符是数字if(color[n]=="white"){color[n]="gray";dist[n]=dist[m]+1;parent[n]=strV;queue.add(strVTmp);}}color[m]="black";System.out.println("顶点："+strV+"最短距离："+String.valueOf(dist[m])+"父顶点："+parent[m]+"当前颜色："+color[m]);ALV.add(strV);}}}public static void BFSUGraph(){//无向图广度优先搜索//选择顶点V1为源点，初始化五个的颜色、父顶点、最短距离String[] color = new String[]{"white","white","white","white","white"};int[] dist=new int[]{MAX_VALUE,MAX_VALUE,MAX_VALUE,MAX_VALUE,MAX_VALUE};String[] parent=new String[]{"null","null","null","null","null"};//初始化源顶点V1color[0]="gray";dist[0]=0;parent[0]="null";ArrayList<String> queue=new ArrayList<String>();queue.add("V1");//开始搜索while(queue.size()>0){String strV=queue.get(0);queue.remove(0);//出列int m=Integer.valueOf(strV.substring(1))-1;LinkedList<String> listV= UGraph.get(strV);for(int i=0;i<listV.size();i++){String strVTmp=listV.get(i);int n=Integer.valueOf(strVTmp.substring(1))-1;//顶点名称第二个字符是数字if(color[n]=="white"){color[n]="gray";dist[n]=dist[m]+1;parent[n]=strV;queue.add(strVTmp);}}color[m]="black";System.out.println("顶点："+strV+"最短距离："+String.valueOf(dist[m])+"父顶点："+parent[m]+"当前颜色："+color[m]);}}//初始化图public static void initUGraph(){//无向图初始化//顶点V1的邻接表String strV1="V1";LinkedList<String> ListV1=new LinkedList<String>();ListV1.add("V2");ListV1.add("V5");UGraph.put(strV1, ListV1);//顶点V2的邻接表String strV2="V2";LinkedList<String> ListV2=new LinkedList<String>();ListV2.add("V1");ListV2.add("V5");ListV2.add("V3");ListV2.add("V4");UGraph.put(strV2, ListV2);//顶点V3的邻接表String strV3="V3";LinkedList<String> ListV3=new LinkedList<String>();ListV3.add("V2");ListV3.add("V4");UGraph.put(strV3, ListV3);//顶点V4的邻接表String strV4="V4";LinkedList<String> ListV4=new LinkedList<String>();ListV4.add("V2");ListV4.add("V5");ListV4.add("V3");UGraph.put(strV4, ListV4);//顶点V5的邻接表String strV5="V5";LinkedList<String> ListV5=new LinkedList<String>();ListV5.add("V4");ListV5.add("V1");ListV5.add("V2");UGraph.put(strV5, ListV5);}public static void initDGraph(){//有向图初始化//顶点V1的邻接表String strV1="V1";LinkedList<String> ListV1=new LinkedList<String>();ListV1.add("V2");ListV1.add("V4");DGraph.put(strV1, ListV1);//顶点V2的邻接表String strV2="V2";LinkedList<String> ListV2=new LinkedList<String>();ListV2.add("V5");DGraph.put(strV2, ListV2);//顶点V3的邻接表String strV3="V3";LinkedList<String> ListV3=new LinkedList<String>();ListV3.add("V6");ListV3.add("V5");DGraph.put(strV3, ListV3);//顶点V4的邻接表String strV4="V4";LinkedList<String> ListV4=new LinkedList<String>();ListV4.add("V2");DGraph.put(strV4, ListV4);//顶点V5的邻接表String strV5="V5";LinkedList<String> ListV5=new LinkedList<String>();ListV5.add("V4");DGraph.put(strV5, ListV5);//顶点V6的邻接表String strV6="V6";LinkedList<String> ListV6=new LinkedList<String>();ListV6.add("V6");DGraph.put(strV6, ListV6);/*List arrayList = new ArrayList(DGraph.entrySet());Collections.sort(arrayList, new Comparator() {  public int compare(Object arg1, Object arg2) {  Map.Entry obj1 = (Map.Entry) arg1; Map.Entry obj2 = (Map.Entry) arg2;  return (obj1.getKey()).toString().compareTo((String) obj2.getKey());    }  }); //将HASHMAP中的数据排序  for (Iterator iter = arrayList.iterator(); iter.hasNext();)  {     Map.Entry entry = (Map.Entry)iter.next();     String  key = (String)entry.getKey();     System.out.println(key);    }*//*Iterator<Entry<String, LinkedList<String>>> iter=DGraph.entrySet().iterator();while (iter.hasNext() ) {    Map.Entry<String, LinkedList<String>> entry = iter.next();System.out.println(entry.getKey());}*/}}

结果：

1）无向图广度优先搜索：

顶点：V1最短距离：0父顶点：null当前颜色：black顶点：V2最短距离：1父顶点：V1当前颜色：black顶点：V5最短距离：1父顶点：V1当前颜色：black顶点：V3最短距离：2父顶点：V2当前颜色：black顶点：V4最短距离：2父顶点：V2当前颜色：black

2）有向图广度优先搜索

顶点：V2最短距离：0父顶点：null当前颜色：black顶点：V5最短距离：1父顶点：V2当前颜色：black顶点：V4最短距离：2父顶点：V5当前颜色：black顶点：V3最短距离：0父顶点：null当前颜色：black顶点：V6最短距离：1父顶点：V3当前颜色：black顶点：V1最短距离：0父顶点：null当前颜色：black

3）无向图深度优先搜索

顶点：V3发现时间：5结束时间：6父顶点：V4当前颜色：black顶点：V4发现时间：4结束时间：7父顶点：V5当前颜色：black顶点：V5发现时间：3结束时间：8父顶点：V1当前颜色：black顶点：V1发现时间：2结束时间：9父顶点：V2当前颜色：black顶点：V2发现时间：1结束时间：10父顶点：null当前颜色：black

4）有向图深度优先搜索

顶点：V4发现时间：3结束时间：4父顶点：V5当前颜色：black顶点：V5发现时间：2结束时间：5父顶点：V2当前颜色：black顶点：V2发现时间：1结束时间：6父顶点：null当前颜色：black顶点：V6发现时间：8结束时间：9父顶点：V3当前颜色：black顶点：V3发现时间：7结束时间：10父顶点：null当前颜色：black顶点：V1发现时间：11结束时间：12父顶点：null当前颜色：black

算法还是有改良空间，比如怎么控制生成树是最大子树。