js数据结构和算法(四)图和图算法
来源:互联网 发布:迅雷网游加速器 mac 编辑:程序博客网 时间:2024/05/29 04:23
图的定义
图(Graph)是由顶点的有穷非空集合和顶点之间边的集合组成,通常表示为:G(V,E)
,其中,G
表示一个图,V
是图G中顶点的集合,E
是图G中边的集合。
有向图
有向边:若从顶点Vi
到Vj
的边有方向,则称这条边为有向边,也成为弧(Arc),用有序偶<Vi,Vj>
来表示,Vi
称为弧尾,Vj
称为弧头。
无序图
无向边:若顶点Vi
到Vj
之间的边没有方向,则称这条边为无向边(Edge),用无序偶(Vi,Vj)
来表示。
简单图
简单图:在图结构中,若不存在顶点到其自身的边,且同一条边不重复出现,则称这样的图为简单图。
图类
表示顶点
创建图类的第一步就是要创建一个Vertex
类来保存顶点和边。这个类的作用和链表、二叉搜索树的Node类一样。Vertex
类有两个数据成员:一个用于标识顶点,另一个表明是否被访问过的布尔值。分别被命名为label
和wasVisited
。
function Vertex(label){ this.label = label;}
我们将所有顶点保存在数组中,在图类里,可以通过他们在数组中的位置引用他们
表示边
图的实际信息都保存在“边”
上面,因为他们描述了图的结构。二叉树的一个父节点只能有两个子节点,而图的结构却要灵活得多,一个顶点既可以有一条边,也可以有多条边和它相连。
我们将表示图的边的方法成为邻接表或者邻接表数组。它将存储由顶点的相邻顶点列表构成的数组
构建图
定义如下一个Graph
类:
function Graph(v){ this.vertices = v;//vertices至高点 this.edges = 0; this.adj = []; for(var i =0;I<this.vertices;++i){ this.adj[i] = []; this.adj[i].push(''); } this.addEdge = addEdge; this.toString = toString;}
这个类会记录一个图表示了多少条边,并使用一个长度与图的顶点数来记录顶点的数量。
function addEdge(){ this.adj[v].push(w); this.adj[w].push(v); this.edges++;}
这里我们使用for
循环为数组中的每个元素添加一个子数组来存储所有的相邻顶点,并将所有元素初始化为空字符串。
图的遍历
深度优先遍历
深度优先遍历(DepthFirstSearch
),也有称为深度优先搜索,简称为DFS
。
比如在一个房间内寻找一把钥匙,无论从哪一间房间开始都可以,将房间内的墙角、床头柜、床上、床下、衣柜、电视柜等挨个寻找,做到不放过任何一个死角,当所有的抽屉、储藏柜中全部都找遍后,接着再寻找下一个房间。
深度优先搜索:
深度优先搜索就是访问一个没有访问过的顶点,将他标记为已访问
,再递归地去访问在初始顶点的邻接表中其他没有访问过的顶点
为Graph类添加一个数组:
this.marked = [];//保存已访问过的顶点for(var i=0;i<this.vertices;++i){ this.marked[i] = false;//初始化为false}
深度优先搜索函数:
function dfs(v){ this.marked[v] = true; //if语句在这里不是必须的 if(this.adj[v] != undefined){ print("Visited vertex: " + v ); for each(var w in this.adj[v]){ if(!this.marked[w]){ this.dfs(w); } } }}
广度优先搜索
广度优先搜索(BFS
)属于一种盲目搜寻法,目的是系统地展开并检查图中的所有节点,以找寻结果。换句话说,它并不考虑结果的可能位置,彻底地搜索整张图,直到找到结果为止。
广度优先搜索从第一个顶点开始,尝试访问尽可能靠近它的顶点,如下图所示:
其工作原理为:
1. 首先查找与当前顶点相邻的未访问的顶点,将其添加到已访问顶点列表及队列中; 2. 然后从图中取出下一个顶点v,添加到已访问的顶点列表 3. 最后将所有与v相邻的未访问顶点添加到队列中
下面是广度优先搜索函数的定义:
function bfs(s){ var queue = []; this.marked = true; queue.push(s);//添加到队尾 while(queue.length>0){ var v = queue.shift();//从队首移除 if(v == undefined){ print("Visited vertex: " + v); } for each(var w in this.adj[v]){ if(!this.marked[w]){ this.edgeTo[w] = v; this.marked[w] = true; queue.push(w); } } }}
最短路径
在执行广度优先搜索时,会自动查找从一个顶点到另一个相连顶点的最短路径
确定路径
要查找最短路径,需要修改广度优先搜索算法来记录从一个顶点到另一个顶点的路径,我们需要一个数组来保存从一个顶点操下一个顶点的所有边,我们将这个数组命名为edgeTo
this.edgeTo = [];//将这行添加到Graph类中//bfs函数function bfs(s){ var queue = []; this.marked = true; queue.push(s);//添加到队尾 while(queue.length>0){ var v = queue.shift();//从队首移除 if(v == undefined){ print("Visited vertex: " + v); } for each(var w in this.adj[v]){ if(!this.marked[w]){ this.edgeTo[w] = v; this.marked[w] = true; queue.push(w); } } }}
拓扑排序算法
拓扑排序会对有向图
的所有顶点进行排序,使有向边
从前面的顶点指向后面的顶点。
拓扑排序算法与BFS
类似,不同的是,拓扑排序算法不会立即输出已访问的顶点,而是访问当前顶点邻接表中的所有相邻顶点,直到这个列表穷尽时,才会将当前顶点压入栈中。
拓扑排序算法被拆分为两个函数,第一个函数是topSort()
,用来设置排序进程并调用一个辅助函数topSortHelper()
,然后显示排序好的顶点列表
拓扑排序算法主要工作是在递归函数topSortHelper()
中完成的,这个函数会将当前顶点标记为已访问,然后递归访问当前顶点邻接表中的每个顶点,标记这些顶点为已访问。最后,将当前顶点压入栈中。
//topSort()函数function topSort(){ var stack = []; var visited = []; for(var i =0;i<this.vertices;i++){ visited[i] = false; } for(var i = 0;i<this.vertices;i++){ if(visited[i] == false){ this.topSortHelper(i,visited,stack); } } for(var i = 0;i<stack.length;i++){ if(stack[i] !=undefined && stack[i] != false){ print(this.vertexList[stack[i]]); } }}//topSortHelper()函数function topSortHelper(v,visited,stack){ visited[v] = true; for each(var w in this.adj[v]){ if(!visited[w]){ this.topSortHelper(visited[w],visited,stack); } } stack.push(v);}
- js数据结构和算法(四)图和图算法
- 数据结构和算法:图
- 数据结构和算法总结(四)
- js数据结构和算法(一)概述
- js数据结构和算法----链表
- java数据结构和算法(图)
- Java数据结构和算法:图
- 浅谈算法和数据结构: 四 快速排序
- 浅谈算法和数据结构: 四 快速排序
- 浅谈算法和数据结构: 四 快速排序
- 浅谈算法和数据结构: 四 快速排序
- 浅谈算法和数据结构: 四 快速排序
- 浅谈算法和数据结构: 四 快速排序
- 浅谈算法和数据结构: 四 快速排序
- 浅谈算法和数据结构: 四 快速排序
- 浅谈算法和数据结构: 四 快速排序
- [高频] 四.基础算法和数据结构II
- 浅谈算法和数据结构: 四 快速排序
- 青蛙跳台阶问题暨斐波那契数列
- IO的同步与异步,阻塞与非阻塞
- Genymotion的下载和安装及其注意事项
- 【设计模式】代理模式
- Linux简单命令及权限管理
- js数据结构和算法(四)图和图算法
- Android TextView用户名 密码右对齐
- 原理分析之一:从JDBC到Mybatis
- ViewPager的滑动监听
- Jquery中的DOM操作 (三.删除节点)
- Service Worker的基本使用
- Asterisk cmd voicemail
- js数据结构和算法(五)字典和散列(hash)
- JMS之ActiveMQ简单实现