前言

从本篇开始我们将会一起来学习图相关的算法，图算有很多相当实用算法，比如：垃圾回收器的标记清除算法、地图上求路径的最短距离、拓扑排序等。在开始学习这些算法之前我们需要先来了解下图的基本定义，以及使用哪种数据结构来表示一张图，本篇我们先从无向图开始学习。

图的定义

图：是有一组顶点和一组能够将两个订单相连组成的。连接两个顶点的边没有方向，这种图称之为无向图。

图的术语

通过同一条边相连的两个顶点我们称这两个顶点相邻;

某个顶点的度数即表示连接这个顶点的边的总数;如上图：顶点1的度数是3

一条边连接了一个顶点与其自身，我们称为自环

连接同一对顶点的边称为平行边

术语还有很多，暂时这里只列出本篇我们需要使用到的术语，后面有在使用到其他的术语再做解释，太多也不太容易记得住

如何表示出图

图用什么数据结构来表示主要参考两个要求：

在开发图的相关算法时，图的表示的数据结构是基础，所以这种数据结构效率的高 在实际的过程中图的大小不确定，可能会很大，所以需要预留出足够的空间

考虑了这两个要求之后大佬们提出以下三个方法来供选择：

邻接矩阵 键入有v个顶点的图，我们可以使用v乘以图算v的矩阵来表示，如果顶点v与w相连，那么把v行w列设置为true，这样就可以表示两个顶点相连，但是这个方式有个问题，如果遇到图很大，会造成空间的浪费。不满足第二点。其次这种方式没办法表示平行边 边的数组 可以定义一个表示的边对象，包含两个int属性表示顶点，但是如果需要找到某个顶点的相连顶点有哪些，我们就需要遍历一遍全部的边。这种数据结构的效率较差 邻接表数组 定义一个数组，数组的大小为顶点的个数，数据下标表示顶点，数组中每个元素都是一个链表对象(LinkedListQueue),链表中存放的值就是与该顶点相连的顶点。(LinkedListQueue我们已经在之前的文章中实现，可以参考文章《https://juejin.cn/post/6926685994347397127》)

无向图的API定义 public class Graph {     public Graph(int V); //创建含有v个顶点不含边的图  &法系nbsp;       public int V(); //返回顶点的个数          public int E(); //返回图中边的总数          public void addEdge(int v, int w); //向图中添加一条边 v-W               public Iterable adj(int v); //返回与v相邻的所有列之顶点          public String toString(); //使用字符串打印出图的关系 }  无向图API的实现

要实现上面定义的API，我们需要三个成员变量，v表示图中顶点的个数，e表示图总共边的数据，LinkedListQueue的数组用来存储顶点v的相邻节点;

构造函数会初始化空的邻接表数组

因为是无向图，所以addEdge方法在向图中添加边既要添加一条v->w的边，有需要添加一条w->v的边

public class Graph {     private final int v;     private int e;     privat无向e LinkedListQueue[] adj;      public Graph(int v) {         this.v = v;         this.adj = (LinkedListQueue[]) new LinkedListQueue[v];         for (int i = 0; i < v; i++) {     &nb图的sp;       this.adj[i] = new LinkedListQueue<>();         }     }      public int V() {         return v;     }      public int E() {        &n数据bsp;return e;     }      public void addEdge(int v, int w) {         this.adj[v].enqueue(w);         this.adj[w].enqueue(v);         this.e++;     }      public Iterable adj(int v)&n结构bsp;{         return this.adj[v];     }      @Override     public String toString() {         StringBuilder sb = new StringBuilder();         sb.append(v).append(" 个顶点，").append(e).append(" 条边 ");  &n图算bsp;      for (int i = 0; i < v; i++) {             sb.append(i).append(": ");             for (int j : this.adj[i]) {                 sb.append(j).a法系ppend(" ");             }             sb.append(" ");         }         return sb.toString();     } }  图的常用工具方法

基于图数据结构的实现，我们可以提供一些工具方法

计算顶点v的度数 顶点的度数就等于与之相连接顶点的个数

public static int degree(Graph graph,&nbs列之p;int v) {     int degree = 0;     for (int w : graph.adj(v)) {         degree++;     }     return degree; } 

计算所有顶点的最大度数

public static int maxDegree(Graph graph) {     int maxDegree = 0; &nb无向sp;   for (int v = 0; v < graph.V(); v++) {         int degree = degree(graph, v);         if (maxDegree < degree) {             maxDegree = degree;        &nb图的sp;}     }     return maxDegree; } 

计算所有顶点的平均度数 每条边都有两个顶点，所以图所有顶点的总度数是边的2倍

public static double avgDegree(Graph graph) {     return 2.0 * graph.E() / graph.V(); } 

计算图中的自环个数 对于顶点v，如果v同时也出现了在v的邻接表中，那么表示v存在一个自环;由于是无向图，每条边都被记录了两次(如果不好理解可以把图的toString打印出来就可以理解了)

public static int numberOfSelfLoops(Graph graph) &#数据123;     int count = 0;     for (int v = 0; v < graph.V(); v++) {         for (int w : graph.adj(v)) {             if (v == w) {            结构     count++;             }         }     }     return count / 2; }  总结

本篇我们主要学习使用何种数据结构来表示一张图，以及基于这种数据结构实现了几个简单的工具方法，在下一篇我们将来学习图的第一个搜索算法 - 深度优先搜索

文中所有源码已放入到了github仓库:https://github.com/silently9527/JavaCore

• ·云基础架构-云原生DevOps的全面介绍
• ·沙漠化的原因是什么
• ·用“大白话”精准搜图，OpenAI的CLIP惊艳了所有人
• ·400亿的卡脖子赛道即将跑出一个IPO
• ·冠闵信息CEO颜伟志谈MSP发展趋势：利用各种工具持续交付高度自动化的服务
• ·标签: 寒武纪 人工智能芯片 财报 算力
• ·阿里云为100座垃圾焚烧炉装上工业大脑，全年可多发3.6亿度绿电
• ·谷歌和Facebook或明年1月在美面临新的反垄断诉讼
• ·璋锋瓕绗�簩瀛ｅ害骞垮憡鎬绘敹鍏ュぇ澧�69%
• ·云安全日报220426：IBM企业级商业智能报表软件发现执行任意代码漏洞,需要尽快升级
• ·标签: 鸿蒙智行 新黄河 东莞门店 韩先生
• ·标签: 曹操出行 耀出行 吉利商旅 出行平台 Robotaxi
• ·亚马逊在英国遭遇新指责：所缴商业房产税远低于实体零售店
• ·桑葚是碱性还是酸性
• ·苹果和微软在AR、游戏等领域的竞争将再次升温
• ·标签: 诺比侃 AI+交通 廖峪 赛伦生物