Artykuł ten jest kontynuacją mojej krótkiej recenzji na temat algorytmów. Oto link do pierwszej części . Wcześniej przyjrzeliśmy się różnym algorytmom sortowania tablic i tak zwanemu algorytmowi zachłannemu . Dzisiaj porozmawiamy o grafach i algorytmach z nimi związanych. Wykres jest jedną z najbardziej elastycznych i wszechstronnych struktur w programowaniu. Wykres G jest zwykle określany za pomocą pary zbiorów G = (V, R) , gdzie:
- V jest zbiorem wierzchołków;
- R jest zbiorem linii łączących pary wierzchołków.
3. Algorytmy wyszukiwania ścieżki (głębokość, szerokość)
Jedną z podstawowych operacji wykonywanych na grafach jest wyznaczenie wszystkich wierzchołków osiągalnych z danego wierzchołka. Wyobraź sobie, że próbujesz ustalić, jak dostać się z jednego miasta do drugiego, uwzględniając możliwe przesiadki. Do niektórych miast można dojechać bezpośrednio, do innych trzeba objechać inne miasta. Istnieje wiele innych sytuacji, w których konieczne może być znalezienie wszystkich wierzchołków, do których można znaleźć ścieżkę z danego wierzchołka. Istnieją zatem dwa główne sposoby przechodzenia przez grafy: przechodzenie w głąb i przechodzenie wszerz , które rozważymy. Obie metody zapewnią iterację po wszystkich połączonych wierzchołkach. Aby dokładniej rozważyć algorytmy najpierw w głąb i wszerz , spójrz na następujący wykres:Głębokość pierwszego przejścia
Jest to jedna z najpopularniejszych metod przechodzenia przez graf. Ta strategia przeszukiwania w głąb polega na zagłębieniu się w graf tak daleko , jak to możliwe, a po dotarciu do ślepego zaułka, powrocie do najbliższego wierzchołka, który ma sąsiadujące wierzchołki, które nie były wcześniej odwiedzone. Algorytm ten przechowuje informacje na stosie o tym, gdzie wrócić, gdy osiągnięty zostanie zakleszczenie. Zasady pierwszego przejścia na głębokość:- Odwiedź sąsiedni, nieodwiedzony wcześniej wierzchołek, zaznacz go i odłóż na stos.
- Idź do tego wierzchołka.
- Powtórz krok 1.
- Jeśli nie da się wykonać kroku 1, wróć do poprzedniego wierzchołka i spróbuj powtórzyć zasadę 1. Jeśli nie jest to możliwe, wróć do wierzchołka przed nim i tak dalej, aż znajdziemy wierzchołek, z którego będziemy mogli kontynuować przechodzenie.
- Kontynuuj, aż wszystkie wierzchołki znajdą się na stosie.
public class Graph {
private final int MAX_VERTS = 10;
private Vertex vertexArray[]; //массив вершин
private int adjMat[][]; // матрица смежности
private int nVerts; // текущее количество вершин
private Stack<integer> stack;
public Graph() { // инициализация внутрених полей
vertexArray = new Vertex[MAX_VERTS];
adjMat = new int[MAX_VERTS][MAX_VERTS];
nVerts = 0;
for (int j = 0; j < MAX_VERTS; j++) {
for (int k = 0; k < MAX_VERTS; k++) {
adjMat[j][k] = 0;
}
}
stack = new Stack<>();
}
public void addVertex(char lab) {
vertexArray[nVerts++] = new Vertex(lab);
}
public void addEdge(int start, int end) {
adjMat[start][end] = 1;
adjMat[end][start] = 1;
}
public void displayVertex(int v) {
System.out.println(vertexArray[v].getLabel());
}
public void dfs() { // обход в глубину
vertexArray[0].setWasVisited(true); // берётся первая вершина
displayVertex(0);
stack.push(0);
while (!stack.empty()) {
int v = getAdjUnvisitedVertex(stack.peek()); // вынуть индекс смежной веришины, еckи есть 1, нету -1
if (v == -1) { // если непройденных смежных вершин нету
stack.pop(); // элемент извлекается из стека
}
else {
vertexArray[v].setWasVisited(true);
displayVertex(v);
stack.push(v); // элемент попадает на вершину стека
}
}
for (int j = 0; j < nVerts; j++) { // сброс флагов
vertexArray[j].wasVisited = false;
}
}
private int getAdjUnvisitedVertex(int v) {
for (int j = 0; j < nVerts; j++) {
if (adjMat[v][j] == 1 && vertexArray[j].wasVisited == false) {
return j; //возвращает первую найденную вершину
}
}
return -1;
}
}
</integer>
Góra wygląda tak:
public class Vertex {
private char label; // метка А например
public boolean wasVisited;
public Vertex(final char label) {
this.label = label;
wasVisited = false;
}
public char getLabel() {
return this.label;
}
public boolean isWasVisited() {
return this.wasVisited;
}
public void setWasVisited(final boolean wasVisited) {
this.wasVisited = wasVisited;
}
}
Uruchommy ten algorytm z określonymi wierzchołkami i sprawdźmy, czy działa poprawnie:
public class Solution {
public static void main(String[] args) {
Graph graph = new Graph();
graph.addVertex('A'); //0
graph.addVertex('B'); //1
graph.addVertex('C'); //2
graph.addVertex('D'); //3
graph.addVertex('E'); //4
graph.addVertex('F'); //5
graph.addVertex('G'); //6
graph.addEdge(0,1);
graph.addEdge(0,2);
graph.addEdge(0,3);
graph.addEdge(1,4);
graph.addEdge(3,5);
graph.addEdge(5,6);
System.out.println("Visits: ");
graph.dfs();
}
}
Wyjście konsoli:
Wizyty: A B E C D F G
Ponieważ mamy macierz sąsiedztwa, a w metodzie spaceru używamy pętli zagnieżdżonej w pętli, złożoność czasowa będzie wynosić O(N²) .
Idź na szerokość
Algorytm ten, podobnie jak przechodzenie w głąb, jest jedną z najprostszych i najbardziej podstawowych metod poruszania się po grafie. Jego istotą jest to, że mamy pewien bieżący wierzchołek, z którego umieszczamy wszystkie sąsiednie, nieprzechodzone wierzchołki w kolejce i wybieramy kolejny element (który jest przechowywany jako pierwszy w kolejce), aby był aktualny... Jeśli podzielimy ten algorytm na etapach możemy wyróżnić następujące zasady:- Odwiedź kolejny, nieodwiedzony wcześniej wierzchołek sąsiadujący z bieżącym wierzchołkiem, zaznacz go wcześniej i dodaj do kolejki.
- Jeśli nie można spełnić reguły nr 1, usuń wierzchołek z kolejki i ustaw go jako wierzchołek bieżący.
- Jeśli zasady nr 1 i nr 2 są niemożliwe, przechodzenie jest zakończone i wszystkie wierzchołki zostały przebyte (jeśli nasz graf jest spójny).
public class Graph {
private final int MAX_VERTS = 10;
private Vertex vertexList[]; //массив вершин
private int adjMat[][]; // матрица смежности
private int nVerts; // текущее количество вершин
private Queue<integer> queue;
public Graph() {
vertexList = new Vertex[MAX_VERTS];
adjMat = new int[MAX_VERTS][MAX_VERTS];
nVerts = 0;
for (int j = 0; j < MAX_VERTS; j++) {
for (int k = 0; k < MAX_VERTS; k++) { // заполнение матрицы смежности нулями
adjMat[j][k] = 0;
}
}
queue = new PriorityQueue<>();
}
public void addVertex(char lab) {
vertexList[nVerts++] = new Vertex(lab);
}
public void addEdge(int start, int end) {
adjMat[start][end] = 1;
adjMat[end][start] = 1;
}
public void displayVertex(int v) {
System.out.println(vertexList[v].getLabel());
}
public void bfc() { // обход в глубину
vertexList[0].setWasVisited(true);
displayVertex(0);
queue.add(0);
int v2;
while (!queue.isEmpty()) {
int v = queue.remove();
while((v2 = getAdjUnvisitedVertex(v))!=-1) {// цикл будет работать, пока все смежные вершины не будут найденны, и не будут добавлены в очередь
vertexList[v2].wasVisited =true;
displayVertex(v2);
queue.add(v2);
}
}
for (int j = 0; j < nVerts; j++) { // сброс флагов
vertexList[j].wasVisited = false;
}
}
private int getAdjUnvisitedVertex(int v) {
for (int j = 0; j < nVerts; j++) {
if (adjMat[v][j] == 1 && vertexList[j].wasVisited == false) {
return j; //возвращает первую найденную вершину
}
}
return -1;
}
}
</integer>
Klasa Vertex jest identyczna z klasą z algorytmu przeszukiwania w głąb . Wprowadźmy ten algorytm w działanie:
public class Solution {
public static void main(String[] args) {
Graph graph = new Graph();
graph.addVertex('A'); //0
graph.addVertex('B'); //1
graph.addVertex('C'); //2
graph.addVertex('D'); //3
graph.addVertex('E'); //4
graph.addVertex('F'); //5
graph.addVertex('G'); //6
graph.addEdge(0,1);
graph.addEdge(0,2);
graph.addEdge(0,3);
graph.addEdge(1,4);
graph.addEdge(3,5);
graph.addEdge(5,6);
System.out.println("Visits: ");
graph.bfc();
}
}
Wyjście konsoli:
Wizyty: A B C D E F G
Powtórzę: mamy macierz sąsiedztwa i używamy pętli zagnieżdżonej w pętli, więc O(N²) jest złożonością czasową powyższego algorytmu.
4. Algorytm Dijkstry
Jak wspomniano wcześniej, grafy mogą być skierowane lub nieskierowane . A jak pamiętacie, nadal można je ważyć . Ważone, skierowane wykresy często można znaleźć w prawdziwym życiu: na przykład mapa miast, gdzie miasta są wierzchołkami, ścieżki między nimi to drogi, drogi mogą mieć ruch jednokierunkowy - kierunek wykresu. Załóżmy, że zajmujesz się transportem ładunków i musisz wyznaczyć najkrótszą trasę pomiędzy dwoma odległymi miastami. Jak to zrobisz? Jednym z najczęstszych problemów związanych z grafami ważonymi jest problem wyboru najkrótszej ścieżki pomiędzy dwoma wierzchołkami. Aby rozwiązać ten problem, używamy algorytmu Dijkstry . Od razu zaznaczę, że wykonując algorytm Dijkstry, znajdziemy najkrótszą ścieżkę do wszystkich wierzchołków z danego początkowego. Z jakich etapów składa się ten algorytm? Spróbuję odpowiedzieć na to pytanie. Etapy algorytmu Dijkstry:- Etap 1 : wyszukaj węzeł, do którego przejście będzie najtańsze. Stoisz na samym początku i zastanawiasz się, dokąd pójść: do węzła A czy do węzła B. Ile czasu zajmie dotarcie do każdego z tych węzłów?
- Etap 2 : obliczenie, ile czasu potrzeba, aby dotrzeć do wszystkich sąsiadów B , na których algorytm nie miał jeszcze wpływu podczas poruszania się wzdłuż krawędzi od B. Jeśli ten nowy czas okaże się krótszy od starego, droga przez krawędź B stanie się nową najkrótszą ścieżką dla tego wierzchołka.
- Etap 3 : zaznacz wierzchołek B jako zaliczony.
- Krok 4 : Przejdź do kroku 1.
- Dla wierzchołka A możliwe są trzy ścieżki: do B o wadze 3, do C o wadze 5 i do D o wadze 7. Zgodnie z pierwszym punktem algorytmu wybieramy węzeł z najniższym przejściem koszt – czyli dla B.
- Ponieważ jedynym nieprzekraczanym sąsiednim wierzchołkiem B jest wierzchołek E , sprawdzamy, jaka będzie ścieżka przechodząca przez ten wierzchołek. 3( AB ) + 6 ( BE ) = 9.
Zatem zauważamy, że obecna najkrótsza ścieżka do AE = 9.
- Ponieważ nasza praca z wierzchołkiem B jest już zakończona, przechodzimy do wybierania kolejnego wierzchołka z minimalną wagą krawędzi znajdującej się przed nim.
Z wierzchołków A i B mogą to być wierzchołki D (7), C (5), E (6).
C ma najmniejszą wagę krawędzi , więc przechodzimy do tego wierzchołka.
- Następnie, tak jak poprzednio, przy przejściu przez C znajdujemy najkrótszą ścieżkę do sąsiednich wierzchołków:
- AD = 5( AC ) + 3( CD ) = 8, ale ponieważ poprzednia najkrótsza ścieżka AC = 7, czyli krótsza niż ta do C , pozostawiamy najkrótszą ścieżkę AD = 7 bez zmian.
- CE = 5( AC ) + 4( CE ) = 9, ta nowa najkrótsza ścieżka jest równa poprzedniej, więc ją również pozostawiamy bez zmian.
- Z najbliższych dostępnych wierzchołków E i D wybieramy wierzchołek o najmniejszej wadze krawędzi, czyli D (3).
- Znajdujemy najkrótszą drogę do sąsiada - F.
AF = 7( AD ) + 3 ( DF ) = 10
- Z najbliższych dostępnych wierzchołków E i F wybieramy wierzchołek o najmniejszej wadze krawędzi, czyli F (3).
- Znajdujemy najkrótszą drogę do sąsiada - G.
AG = 7( AD ) + 3( DF ) + 4( FG ) = 14
Właściwie tutaj znaleźliśmy ścieżkę od A do G.
Aby jednak mieć pewność , że będzie on najkrótszy, musimy wykonać nasze kroki także dla wierzchołka E.
- Ponieważ wierzchołek G nie ma sąsiadujących wierzchołków, do których prowadziłaby skierowana ścieżka, pozostaje nam tylko wierzchołek E : wybieramy go.
- Znajdujemy najkrótszą drogę do sąsiada - G.
AG = 3( AB ) + 6( BE ) + 6( EG ) = 15, ta ścieżka jest dłuższa niż poprzednia najkrótsza AG(14), więc pozostawiamy tę ścieżkę bez zmian.
Ponieważ z G nie ma wierzchołków wychodzących , nie ma sensu uruchamiać etapów dla danego wierzchołka. Dlatego pracę algorytmu można uznać za zakończoną.
public class Vertex {
private char label;
private boolean isInTree;
public Vertex(char label) {
this.label = label;
this.isInTree = false;
}
public char getLabel() {
return label;
}
public void setLabel(char label) {
this.label = label;
}
public boolean isInTree() {
return isInTree;
}
public void setInTree(boolean inTree) {
isInTree = inTree;
}
}
Klasa wierzchołków jest w rzeczywistości identyczna z klasą wierzchołków z wyszukiwania w głąb i wszerz. Aby wyświetlić najkrótsze ścieżki, potrzebujemy nowej klasy, która będzie zawierać potrzebne nam dane:
public class Path { // obiekt данного класса содержащий расстояние и предыдущие и пройденные вершины
private int distance; // текущая дистанция от начальной вершины
private List<integer> parentVertices; // текущий родитель вершины
public Path(int distance) {
this.distance = distance;
this.parentVertices = new ArrayList<>();
}
public int getDistance() {
return distance;
}
public void setDistance(int distance) {
this.distance = distance;
}
public List<integer> getParentVertices() {
return parentVertices;
}
public void setParentVertices(List<integer> parentVertices) {
this.parentVertices = parentVertices;
}
}
</integer></integer></integer>
W tej klasie możemy zobaczyć całkowitą odległość ścieżki oraz wierzchołki, które zostaną pokonane podczas przejazdu najkrótszą ścieżką. A teraz chciałbym się zastanowić, w której klasie faktycznie następuje najkrótsze przejście przez graf. Zatem klasa grafów:
public class Graph {
private final int MAX_VERTS = 10;// максимальное количество вершин
private final int INFINITY = 100000000; // это число у нас будет служить в качестве "бесконечности"
private Vertex vertexList[]; // список вершин
private int relationMatrix[][]; // матрица связей вершин
private int countOfVertices; // текущее количество вершин
private int countOfVertexInTree; // количество рассмотренных вершин в дереве
private List<path> shortestPaths; // список данных кратчайших путей
private int currentVertex; // текущая вершина
private int startToCurrent; //расстояние до currentVertex
public Graph() {
vertexList = new Vertex[MAX_VERTS]; // матрица смежности
relationMatrix = new int[MAX_VERTS][MAX_VERTS];
countOfVertices = 0;
countOfVertexInTree = 0;
for (int i = 0; i < MAX_VERTS; i++) {// матрица смежности заполняется
for (int k = 0; k < MAX_VERTS; k++) { // бесконечными расстояниями
relationMatrix[i][k] = INFINITY; // задания значений по умолчанию
shortestPaths = new ArrayList<>();// задается пустым
}
}
}
public void addVertex(char lab) {// задание новых вершин
vertexList[countOfVertices++] = new Vertex(lab);
}
public void addEdge(int start, int end, int weight) {
relationMatrix[start][end] = weight; // задание ребер между вершинами, с весом между ними
}
public void path() { // выбор кратчайшего пути
// задание данных для стартовой вершины
int startTree = 0; // стартуем с вершины 0
vertexList[startTree].setInTree(true); // включение в состав дерева первого element
countOfVertexInTree = 1;
// заполнение коротких путей для вершин смежных с стартовой
for (int i = 0; i < countOfVertices; i++) {
int tempDist = relationMatrix[startTree][i];
Path path = new Path(tempDist);
path.getParentVertices().add(0);// первым родительским элементом, будет всегда стартовая вершина
shortestPaths.add(path);
}
// пока все вершины не окажутся в дереве
while (countOfVertexInTree < countOfVertices) { // выполняем, пока количество вершин в дереве не сравняется с общим количеством вершин
int indexMin = getMin();//получаем индекс вершины с наименшей дистанцией, из вершин еще не входящих в дерево
int minDist = shortestPaths.get(indexMin).getDistance();// минимальная дистанция вершины, из тек которые ещё не в дереве
if (minDist == INFINITY) {
System.out.println("В графе пристувствуют недостижимые вершины");
break;// в случае если остались непройденными только недостижимые вершины, мы выходим из цикла
} else {
currentVertex = indexMin; // переводим указатель currentVert к текущей вершине
startToCurrent = shortestPaths.get(indexMin).getDistance();// задаем дистанцию к текущей вершине
}
vertexList[currentVertex].setInTree(true); //включение текущей вершины в дерево
countOfVertexInTree++; // увеличиваем счетчик вершин в дереве
updateShortestPaths(); // обновление списка кратчайших путей
}
displayPaths(); // выводим в консоль результаты
}
public void clean() { // очиска дерева
countOfVertexInTree = 0;
for (int i = 0; i < countOfVertices; i++) {
vertexList[i].setInTree(false);
}
}
private int getMin() {
int minDist = INFINITY; // за точку старта взята "бесконечная" длина
int indexMin = 0;
for (int i = 1; i < countOfVertices; i++) {// для каждой вершины
if (!vertexList[i].isInTree() && shortestPaths.get(i).getDistance() < minDist) { // если вершина ещё не ве дереве и её растояние меньше старого минимума
minDist = shortestPaths.get(i).getDistance(); // задаётся новый минимум
indexMin = i; // обновление индекса вершины содержащую минимаьную дистанцию
}
}
return indexMin; //возвращает индекс вершины с наименшей дистанцией, из вершин еще не входящих в дерево
}
private void updateShortestPaths() {
int vertexIndex = 1; // стартовая вершина пропускается
while (vertexIndex < countOfVertices) { // перебор столбцов
if (vertexList[vertexIndex].isInTree()) { // если вершина column уже включена в дерево, она пропускается
vertexIndex++;
continue;
}
// вычисление расстояния для одного element sPath
// получение ребра от currentVert к column
int currentToFringe = relationMatrix[currentVertex][vertexIndex];
// суммирование всех расстояний
int startToFringe = startToCurrent + currentToFringe;
// определение расстояния текущего element vertexIndex
int shortPathDistance = shortestPaths.get(vertexIndex).getDistance();
// сравнение расстояния через currentVertex с текущим расстоянием в вершине с индексом vertexIndex
if (startToFringe < shortPathDistance) {// если меньше, то у вершины под индексом vertexIndex будет задан новый кратчайший путь
List<integer> newParents = new ArrayList<>(shortestPaths.get(currentVertex).getParentVertices());//создаём копию списка родителей вершины currentVert
newParents.add(currentVertex);// задаём в него и currentVertex Jak предыдущий
shortestPaths.get(vertexIndex).setParentVertices(newParents); // соохраняем новый маршут
shortestPaths.get(vertexIndex).setDistance(startToFringe); // соохраняем новую дистанцию
}
vertexIndex++;
}
}
private void displayPaths() { // метод для вывода кратчайших путей на экран
for (int i = 0; i < countOfVertices; i++) {
System.out.print(vertexList[i].getLabel() + " = ");
if (shortestPaths.get(i).getDistance() == INFINITY) {
System.out.println("0");
} else {
String result = shortestPaths.get(i).getDistance() + " (";
List<integer> parents = shortestPaths.get(i).getParentVertices();
for (int j = 0; j < parents.size(); j++) {
result += vertexList[parents.get(j)].getLabel() + " -> ";
}
System.out.println(result + vertexList[i].getLabel() + ")");
}
}
}
}
</integer></integer></path>
Właściwie to cała magia =) Cóż, teraz przyjrzyjmy się temu algorytmowi w akcji:
public class Solution {
public static void main(String[] args) {
Graph graph = new Graph();
graph.addVertex('A');
graph.addVertex('B');
graph.addVertex('C');
graph.addVertex('D');
graph.addVertex('E');
graph.addVertex('F');
graph.addVertex('G');
graph.addEdge(0, 1, 3);
graph.addEdge(0, 2, 5);
graph.addEdge(0, 3, 7);
graph.addEdge(1, 4, 6);
graph.addEdge(2, 4, 4);
graph.addEdge(2, 3, 3);
graph.addEdge(3, 5, 3);
graph.addEdge(4, 6, 6);
graph.addEdge(5, 6, 4);
System.out.println("Элементы имеют кратчайшие пути из точки A: ");
graph.path();
graph.clean();
}
}
I wynik w konsoli:
Elementy mają najkrótszą drogę od punktu A: A = 0 B = 3 (A -> B) C = 5 (A -> C) D = 7 (A -> D) E = 9 (A -> B -> E) F = 10 (A -> D -> F) G = 14 (A -> D -> F -> G)
Złożoność czasowa tego algorytmu to nic innego jak O(N²), ponieważ mamy pętle zagnieżdżone w pętli. Cóż, to wszystko na dzisiaj, dziękuję za uwagę!
GO TO FULL VERSION