13518219792
深度优先遍历
在酉阳土家族苗族等地区，都构建了全面的区域性战略布局，加强发展的系统性、市场前瞻性、产品创新能力，以专注、极致的服务理念，为客户提供成都网站设计、成都做网站 网站设计制作按需网站策划,公司网站建设,企业网站建设,高端网站设计,网络营销推广,外贸网站制作,酉阳土家族苗族网站建设费用合理。
深度优先遍历类似于一个人走迷宫：
如图所示，从起点开始选择一条边走到下一个顶点，没到一个顶点便标记此顶点已到达。
当来到一个标记过的顶点时回退到上一个顶点，再选择一条没有到达过的顶点。
当回退到的路口已没有可走的通道时继续回退。
而连通分量，看概念：无向图G的极大连通子图称为G的连通分量( Connected Component)。任何连通图的连通分量只有一个，即是其自身，非连通的无向图有多个连通分量。
下面看看具体实例：
package com.dataStructure.graph;
// 求无权图的联通分量
public class Components {
private Graph graph;
// 存放输入的数组
private Boolean[] visited;
// 存放节点被访问状态
private int componentCount;
// 连通分量的数量
private int[] mark;
// 存储节点所属联通分量的标记
// 构造函数，初始化私有属性
public Components(Graph graph) {
this.graph = graph;
componentCount = 0;
// 连通分量初始数量为 0
visited = new Boolean[graph.V()];
mark = new int[graph.V()];
for (int i = 0; i < graph.V(); i++) {
visited[i] = false;
// 节点初始访问状态为 false
mark[i] = -1;
// 节点初始连通分量标记为 -1
}
for (int i = 0; i < graph.V(); i++) {
// 对于未被访问的节点进行 dfs深度优先遍历
if (!visited[i]) {
dfs(i);
componentCount++;
// 对一个节点进行dfs 到底后，一个连通分量结束，数量+1
}
}
}
private void dfs(int i) {
visited[i] = true;
// 节点 i 已被访问
mark[i] = componentCount;
// 节点 i 属于当前连通分量的数量（标记）
for (int node : graph.adjacentNode(i)) {
// 遍历图中节点 i 的邻接节点
if (!visited[node]) // 对未被访问的邻接节点进行 dfs
dfs(node);
}
}
public Boolean isConnected(int v, int w) {
return mark[v] == mark[w];
// 根据两节点所属连通分量的标记判断两节点是否相连
}
public int getComponentCount() {
return componentCount;
// 返回 graph 中连通分量的数量
}
}
//public class Components {
//
// private Graph G; // 图的引用
// private boolean[] visited; // 记录dfs的过程中节点是否被访问
// private int ccount; // 记录联通分量个数
// private int[] id; // 每个节点所对应的联通分量标记
//
// // 图的深度优先遍历
// private void dfs(int v) {
//
// visited[v] = true; // 节点 v 的访问状态置为 true
// id[v] = ccount; // 节点 v 对应的联通标记设置为 ccount
//
// // 遍历节点 v 的邻接点 i
// for (int i : G.adjacentNode(v)) {
// // 如果邻接点 i 尚未被访问
// if (!visited[i])
// // 对邻接点 i 进行深度优先遍历
// dfs(i);
// }
// }
//
// // 构造函数, 求出无权图的联通分量
// public Components(Graph graph) {
//
// // 算法初始化
// G = graph;
//
// // visited 数组存储 图G 中 节点的被访问状态
// visited = new boolean[G.V()];
//
// // id 数组存储 图G 中 节点所属连通分量的标记
// id = new int[G.V()];
//
// // 连通分量数量初始化为 0
// ccount = 0;
//
// // 将 visited 数组全部置为 false； id 数组全部置为 -1
// for (int i = 0; i < G.V(); i++) {
// visited[i] = false;
// id[i] = -1;
// }
//
// // 求图的联通分量
// for (int i = 0; i < G.V(); i++)
// // 访问一个未曾被访问的节点
// if (!visited[i]) {
// // 对其进行深度优先遍历
// dfs(i);
// ccount++;
// }
// }
//
// // 返回图的联通分量个数
// int count() {
// return ccount;
// }
//
// // 查询点v和点w是否联通（节点v 和 w 的联通分量的标记是否相同
// boolean isConnected(int v, int w) {
// assert v >= 0 && v < G.V();
// assert w >= 0 && w < G.V();
// return id[v] == id[w];
// }
//}
通分量数量为 3
总结
以上就是本文关于Java编程实现深度优先遍历与连通分量代码示例的全部内容，希望对大家有所帮助。如有不足之处，欢迎留言指出。关注创新互联，您会有更多收获。
