文章目录

邻接矩阵存储图的广度优先遍历过程分析
C语言实现队列编程
程序中加入图的处理函数
结果的再次分析
C#语言实现图的广度优先遍历、并显示广度优先遍历生成树
JavaScript语言实现图的广度优先遍历、并显示广度优先遍历生成树

邻接矩阵存储图的广度优先遍历过程分析

对图1这样的无向图，要写成邻接矩阵，则就是下面的式子
在这里插入图片描述一般要计算这样的问题，画成表格来处理是相当方便的事情，实际中计算机处理问题，也根本不知道所谓矩阵是什么，所以画成表格很容易帮助我们完成后面的编程任务。在我们前面介绍的内容中，有不少是借助着表格完成计算任务的，如Huffman树。

在这里插入图片描述
为了记录那些顶点是已经走过的，还要设计一个表来标记已经走过的顶点，在开始，我们假设未走过的是0，走过的是1，于是有：

在这里插入图片描述
对广度优先遍历，还需要补充一个队列、来记录一个顶点可以抵达到的其他顶点。

广度优先遍历过程如下：

在这里插入图片描述
结果分析

从上面的过程可以看出：仅仅就顶点访问到的次序而言，图1的广度优先遍历结果是：

V1->V2->V3>V4->V5->V6->7->V8

但实际执行过程中我们可以发现：所谓图的广度优先遍历、其结果应该是一个树：

在这里插入图片描述
在C语言中，显示这个结果并不容易，所以大多C语言的教材中并不会给出这样的结果。

C语言实现队列编程

根据上面的分析，我们可以知道：要广度优先遍历图，首先要一个队列系统。

队列在C语言上只能自己构造，好在我们前面有链表、有顺序表，我们可以复制过来一个链表程序构造一个队列，于是从链表程序中复制过来b5.c或者b6.c即可，我们分析队列的ADT可知，最需要的队列功能需求是：

QueueInit()、EnQueue、DeQueue()、QueueEmpty()这4个函数，于是有以下队列定义：

struct Queue 
{struct LinkedList * LinkQueue;int Count;
};

由于我们已经确定使用链表做队列，所以队列实际就是链表的换名包装，所以我们可以理解为队列就是链表的另一种应用，表3的程序就是这样的做法，所以对队列的初始化，就是：

struct Queue * QueueInit()
{struct Queue *q;q=(struct Queue *)malloc(sizeof(struct Queue));q->LinkQueue=LinkedListInit(); q->Count=0; return q;
}

有了队列的初始化，则进入队列、实际相当于给这个链表追加一条记录，就是Append()的另类包装：

int EnQueue(struct Queue *Q,struct ElemType *E)
{if(Q==NULL) return -1;if(E==NULL) return -2;Append(Q->LinkQueue,E);Q->Count++; return 0;
}

注意数据出队列，出队列总是把链表中第一个结点的数据给出来、并删除第一个结点，所以出队列就是：

int DeQueue(struct Queue *Q,struct ElemType *E)
{struct ElemType *pE;if(Q==NULL) return -1;if(E==NULL) return -2;pE=LinkedListGet(Q->LinkQueue,1);ElemCopy(pE,E); LinkedListDel(Q->LinkQueue,1); Q->Count--;return 0;
}

出队列函数总是把第一个结点删除掉，注意队列完全可能数据出完后再次有数据进入队列，则原来的结点删除函数有Bug，这在程序开发中很正常，修改后就是：

int LinkedListDel(struct LinkedList *L,int n)
{int i;struct Node *p0,*p1;if(L==NULL) return -1;if(n<0||n>L->Count) return -2;p0=L->Head;for(i=0;i<n-1;i++) p0=p0->next;p1=p0->next;p0->next=p1->next;free(p1);L->Count--;if(L->Count==0) L->Tail=L->Head;  return 0;
}

修改的这个链表结点函数、仅仅加了第14行，在过去，所以结点删除后，最后的尾巴结点指针Tail所指的存储空间被释放，导致这个指针变量不可用，现在在结点个数为0的情况下，再次让尾结点指向头结点，保证下次进入链表的数据依然正确。

而判断队列是否为空则相对简单的多，就是：

int QueueEmpty(struct Queue *Q)
{if(Q==NULL) return -1;return !(Q->Count); 
}

补充main()函数，测试多批次进入队列、出队列，全部程序见B0.c

在我们的图遍历应用中，我们对队列的数据仅仅要求一个整数即可，而这个程序进出队列的数据有三列数据，为加强该程序可靠行，修改ElemType()，就是：

void ElemCopy(struct ElemType *s,struct ElemType *d)
{d->sNo=s->sNo;//strcpy(d->sName,s->sName);//d->sAge=s->sAge;  
}

在一个系统中，类似这样的修改很正常，使用已有的程序完成自己的工作，会大大加快编程的进度，使得编程工作更加流畅。
而这一切都需要自己有足够的积累，有这个积累后完成这样的工作才有基础，所谓技术水平，就是不断积累的过程。

下面，在图的处理中会再次体现这样的过程。

程序中加入图的处理函数

我们的队列系统完成后，记着再复制一个文件，加入图的邻接矩阵读数据程序，我们这里这个程序名称是b1.c。对邻接矩阵数据的读取、并构造图的过程，在深度优先遍历程序中已完成，所以直接复制过来即可，回顾广度优先遍历算法，就是把第一个顶点先无条件装进队列，所以编写遍历BFSM函数如下：

四、程序中加入图的处理函数
我们的队列系统完成后，记着再复制一个文件，加入图的邻接矩阵读数据程序，我们这里这个程序名称是b1.c。对邻接矩阵数据的读取、并构造图的过程，在深度优先遍历程序中已完成，所以直接复制过来即可，回顾广度优先遍历算法，就是把第一个顶点先无条件装进队列，所以编写遍历BFSM函数如下：
void BFSM(struct Graph *G)
{int i,n;struct Queue *Q;struct ElemType *p,E,e;Q=QueueInit();	E.sNo=0;           // 设置0进队列EnQueue(Q,&E);G->Visited[0]=1;     // 设置0号顶点已被访问p=&e;while(!QueueEmpty(Q)){//待补充}
}

从第11行开始，则进入真正的遍历。

有这么个函数后，我们可以补充main()的测试函数就是：

main()
{struct Graph *G;G=GraphCreat("p176G719.txt");BFSM(G);
}

main()很短，也很简单，如有不明白的回顾下深度优先遍历函数。

回顾一下：就是队列Q里出队列，然后找与该顶点相连的所有顶点、在进队列，就是：

void BFSM(struct Graph *G)
{int i,n;struct Queue *Q;struct ElemType *p,E,e;Q=QueueInit();	E.sNo=0;EnQueue(Q,&E);G->Visited[0]=1; p=&e;while(!QueueEmpty(Q)){DeQueue(Q,p);n=p->sNo;printf("%s\n",G->pV[n]);for(i=0;i<G->num;i++)if(G->pA[n][i]==1&&G->Visited[i]==0){G->Visited[i]=1; E.sNo=i;EnQueue(Q,&E);}}
}

运行这个程序、就会打印出这个图的广度优先遍历结果。

结果的再次分析

有了这个函数后，构造main()开始从第0个顶点遍历图1，就是：

进一步测试该函数，按图1的数据仔细分析下它的执行过程，如有图的连接分量不为1，则会在第一个连接分量遍历完成后终止。如下图4，在B1.C中是无法全部遍历完成的。这个图的文件在G4.TXT，修改表23中第5行，从G4.TXT中读数据，则会发现这个程序仅仅遍历了A、B、C、D，而没有到达过E、F、G这三个顶点。

在这里插入图片描述
这个图该如何遍历呢？请同学们自己修改程序，完成这个图的遍历。
广度优先遍历到此结束。

C#语言实现图的广度优先遍历、并显示广度优先遍历生成树

在C#文件夹中可以找到“Graph0.cs”，这个文件中包含着深度优先遍历、广度优先遍历等程序中的所有图类程序，现在，我们就要在这个类中补充新的方法。
首先复制这个类到Graph.cs，然后用C#建立一个Windows应用程序，然后在资源管理器中添加这个类，这个类和在深度优先遍历中的类完全一致，但去掉了命名空间说明，这样，这个类就可以使用在其他工程中了。

首先是再次熟悉这个类中的变量定义：

private int[,] A         //邻接矩阵
private string[] V       //顶点矩阵
private int[] Visited    //顶点访问表
private TreeNode[] T     //遍历生成树
private int num          //顶点个数
private int ConnComp     //连通分量

找到这个类中的最后一个方法：DSFTraverse()，然后开始在这个方法后补充新方法：DFS()，由于算法和C语言完全一致，此处算法问题不在介绍。

private void BFS(int N)
{int n;Queue<int> Q = new Queue<int>();Q.Enqueue(N);Visited[N] = 1; while (Q.Count != 0){n = Q.Dequeue();for (int i = 0; i < num; i++)if (A[n, i] == 1 && Visited[i] == 0){T[n].Nodes.Add(T[i]);  Visited[i] = 1; Q.Enqueue(i);}}
}

这个方法可以从第N个顶点开始遍历，同前面涉及的问题一样，考虑到多次遍历、以及多连通分量的图，我们还要补充下面的方法：

        public int BFSTraverse(){int i;ConnComp = 0;for (i = 0; i < num; i++){T[i] = new TreeNode(V[i]);Visited[i] = 0;}for (i = 0; i < num; i++)if (Visited[i] == 0){BFS(i);ConnComp++;}return ConnComp; }

补充完类Graph中两个方法补充后、就可以进行界面设计，设计界面如下：

在这里插入图片描述
根据图1的界面设计，则广度优先遍历程序中连通分量为1的图在button1下，于是有：

private void button1_Click(object sender, EventArgs e)
{int m;int[,] A = {{0, 1, 1, 0, 0, 0, 0, 0},{1, 0, 0, 1, 1, 0, 0, 0},{1, 0, 0, 0, 0, 1, 1, 0},{0, 1, 0, 0, 0, 0, 0, 1},{0, 1, 0, 0, 0, 0, 0, 1},{0, 0, 1, 0, 0, 0, 1, 0},{0, 0, 1, 0, 0, 1, 0, 0},{0, 0, 0, 1, 1, 0, 0, 0}};string[] V = { "V1", "V2", "V3", "V4", "V5", "V6", "V7", "V8" };Graph G = new Graph(8);G.Arc = A; G.Vertex = V;m = G.BFSTraverse(); treeView1.Nodes.Clear();treeView1.Nodes.Add(G.DFSResult);textBox1.Text = "该图连接分量为" + m.ToString(); 
}

由于类设计中、广泛使用了原有的代码，所以这段程序看起来和深度优先遍历的测试代码差别很小。同理，在有多个连通分量的情况下，在button2下的代码是：

        private void button2_Click(object sender, EventArgs e){int m;int[,] A = {{0, 1, 1, 0, 0, 0, 0},{1, 0, 0, 1, 0, 0, 0},{1, 0, 0, 1, 0, 0, 0},{0, 1, 1, 0, 0, 0, 0},{0, 0, 0, 0, 0, 1, 1},{0, 0, 0, 0, 1, 0, 1},{0, 0, 0, 0, 1, 1, 0}};string[] V = { "A", "B", "C", "D", "E", "F", "G" };Graph G = new Graph(7);G.Arc = A; G.Vertex = V;m = G.BFSTraverse(); treeView1.Nodes.Clear();G.AddInTreeView(treeView1);textBox1.Text = "该图连接分量为" + m.ToString(); }

请自行补充button3下的代码。

程序运行结果就是：
在这里插入图片描述图的广度优先遍历到此结束。通过上述编程我们可以发现：大量使用已有的代码，可以大大简化编程的复杂程度。

问题：

我们在C#的程序中、并没有使用类似C语言那样的技术：在数据文件中保存图的数据，这首先是基于我们对C#的使用方式造成的，C#最重要的应用场合是连接数据库服务器和前端的用户浏览器，这个场合下C#提供一个正确的运算类就足够了，其数据要来自于数据库，而结果要给到浏览器上的程序。浏览器下的程序就是JavaScript，这样的情况下C#不做数据文件读取、而要做的是数据库上数据读取，至于送到JavaScript，这个对C#、就要通过一种叫WebService的技术，而在JavaScript上、则要用到一种叫Ajax技术读写这些数据，而这些都是下学期的重要实验任务。

JavaScript语言实现图的广度优先遍历、并显示广度优先遍历生成树

对JavaScript而言，是没有队列类的，尽管数组的类型直接泛型，但仅有栈而无队列。我们需要最低代价完成一个队列系统，所以要再次查看JavaScript数组的所有方法和属性：

其中：FF: Firefox, IE: Internet Explorer

在这里插入图片描述
而这个对象提供的属性，则如下表：FF: Firefox, IE: Internet Explorer

在这里插入图片描述
回顾栈和队列的差异，一个是先进后出、一个是先进先出，查找上述数组的方法，有个方法是reverse()，含义是颠倒数组元素的次序，很显然：

如果进队列是数组的push()操作，那么出队列则就是颠倒数组次序、然后pop()操作，有这个思路，按这个算法构造队列类就是：

		function Queue(){this.Q=new Array();this.EnQueue=function(E){this.Q.push(E);}this.DeQueue=function(){var E;this.Q=this.Q.reverse();E=this.Q.pop();this.Q=this.Q.reverse();return E;}this.Count=function(){return this.Q.length;}}

一定注意这个类的第13行，颠倒次序出栈后一定要再次颠倒这个数组的次序，保证进栈数据的次序。这样，我们就用最小代价完成了一个队列系统，然后补充多次进出队列的测试网页，就是：

<html><head><meta http-equiv="Content-Type" content="text/html; charset=gb2312" /><title>一个调用Ext类库的模板页面</title><script type="text/javascript" src="Queue.js"></script><script type="text/javascript" src="ext-3.0.0/adapter/ext/ext-base.js"></script><script type="text/javascript" src="ext-3.0.0/ext-all.js"></script><link rel="stylesheet" type="text/css" href="ext-3.0.0/resources/css/ext-all.css" />  </head><body bgcolor="#FFFFFF"><div id="hello"></div><script type="text/javascript">function fun(){var Q=new Queue();Q.EnQueue(1);Q.EnQueue(2);Q.EnQueue(3);while(Q.Count()>0){document.write(Q.DeQueue()+'<br>');}Q.EnQueue(4);Q.EnQueue(5);while(Q.Count()>0){document.write(Q.DeQueue()+'<br>');}}Ext.onReady(fun);</script></body>
</html>

注意第5行一定要引用Queue.js这个文件，否则程序无法运行。

补充广度优先遍历程序

根据广度优先遍历的算法、以及表1的队列对象，不难写出广度优先遍历程序，但写以前我们要回顾深度优先遍历函数的入口参数：

A[][]: 邻接矩阵
vCount: 顶点个数
m: 进入遍历的顶点编号
Visited[] :顶点访问状态表
T[]: Ext.tree.TreeNode对象数组，遍历结果树

我们回顾这些的原因是：我们新的遍历函数、也要尽量和旧的方法使用的参数一致，这样就对后续的编程提供了大量的方便。如果意义相近的方法、其函数入口参数差异很大、这样对后续的编程造成很多困惑。

//A[][]:     邻接矩阵
//vCount:    顶点个数
//m:         进入遍历的顶点编号
//Visited[] :顶点访问状态表
//T[]:       Ext.tree.TreeNode对象数组，遍历结果树
function BFS(A,vCount,m,Visited,T)
{var i,n;var Q=new Queue();Q.EnQueue(m);Visited[m]=1;while(Q.Count()>0){n = Q.DeQueue();for (i = 0; i <vCount; i++)if (A[n][i] == 1 && Visited[i] == 0){T[n].appendChild(T[i]);Visited[i] = 1; Q.EnQueue(i);}			}
}

表3 JavaScript语言图的广度优先遍历，见工程B0.html

该函数算法不在介绍，程序原理和C、C#没什么差别。

从深度优先遍历网页补充广度优先遍历程序

从深度优先遍历网页G8.html复制文件到B0.html，在F3区域的邻接矩阵编辑窗口补充命令按钮“广度优先遍历”，就是表4.
对这个表中的程序，注意是一个程序框架，而不是全部。现在就要在合适的位置补充广度优先遍历的初始化程序。

var grid=new Ext.grid.EditorGridPanel({renderTo:"GRID",title:"图的邻接矩阵编辑",height:400,width:400,cm:colM,store:gstore,tbar: [ { text: "深度优先遍历图",   handler: function(){ //已有的深度遍历代码} },{text:"广度优先遍历图",handler: function(){//以下写进遍历的代码} }] 
});

注意表4，其第20行就是补充广度优先遍历程序的地方，这程序本质就是给BFS()准备合适的数据、并初始化、然后调用BFS()函数，所以这地方和深度优先遍历的代码是一致的，于是有：

text:"广度优先遍历图",
handler: function()
{
//以下写进遍历的代码var m=gstore.getCount();var n=gstore.getAt(m-1).get('row')+1;var Visited=Array();var A=Array();var i,j;for(i=0;i<n;i++){Visited[i]=0;A[i]=Array();T[i]=new Ext.tree.TreeNode({id:vstore.getAt(i).get('id'),text:vstore.getAt(i).get('V')});}for(i=0;i<m;i++){var r=gstore.getAt(i).get('row');var c=gstore.getAt(i).get('col');var v=gstore.getAt(i).get('Value');A[r][c]=v;}var Concom=0;for(i=0;i<n;i++)if(Visited[i]==0) {BFS(A,n,i,Visited,T);Concom++;}var TR=new Ext.tree.TreeNode({id:10000,text:'广度优先遍历树，连通分量'+Concom});for(i=0;i<n;i++)if(T[i].parentNode==null)TR.appendChild(T[i]);treeView1.setRootNode(TR);
} 
}

和前面深度优先遍历的程序完全一致，仅仅是调用了不同的遍历函数。

遍历网页的进一步修改和完善：构造图类

从B0.html这个网页程序看，首先在两个遍历的命令按钮程序上有大量重复代码，其次是有关图的计算，其邻接矩阵、顶点矩阵、顶点访问状态矩阵、遍历函数等都是分离的变量和函数，而没有构成一个类、从而也就没有图的对象，这样对后续的编程也造成很多不利。

为此，我们要构造一个JavaScript的图类，整体参照C#。

对任何一个语言的类编程而言，都存在数据如何进入对象、以及数据如何从对象里给出这两个基本问题，在使用Ext过程中，我们熟悉了大量的Ext对象属性获得方法，那么我们这里也将按同样的方法来构造类，详细的介绍参见json教程。以下类名称是Graph，其中G是属性参数：

function Graph(G)
{
this.A=G.A;
this.V=G.V;
this.Visited=G.Visited;
this.num=G.num;
this.T=G.T;
}

<html><head><meta http-equiv="Content-Type" content="text/html; charset=gb2312" /><title>一个调用Ext类库的模板页面</title><script type="text/javascript" src="G0.js"></script><script type="text/javascript" src="ext-3.0.0/adapter/ext/ext-base.js"></script><script type="text/javascript" src="ext-3.0.0/ext-all.js"></script><link rel="stylesheet" type="text/css" href="ext-3.0.0/resources/css/ext-all.css" />  </head><body bgcolor="#FFFFFF"><div id="hello"></div><script type="text/javascript">function fun(){var G=new Graph({A:[[1,2,3],[4,5,6],[7,8,9]],V:['A','B','C'],Visited:[0,0,0]});}Ext.onReady(fun);</script></body>
</html>

注意第16行，其中构造函数的参数里：

{A:[[1,2,3],[4,5,6],[7,8,9]],V:['A','B','C'],Visited:[0,0,0]}

整体构成对象G，进入类后，进入表5程序后，由第3到第5行的程序赋值给对象相应的属性。再次参照表5程序，其中的this，对应在表6的程序是G，广义上，实例化的对象就是表5中的this。

有了上述分析，我们就可以在表5的程序中加入一个公共方法，用来获得属性中V数组的内容，代码就是：

function Graph(G)
{
this.A=G.A;
this.V=G.V;
this.Visited=G.Visited;
this.num=G.num;
this.T=G.T;
this.VName=function(){var i;for(i=0;i<this.num;i++)document.write(this.V[i]);}
}

这样写的方法类似是C#中的public void VName()，这样的写法可以在实例对象中引用这样方法，如：

<html><head><meta http-equiv="Content-Type" content="text/html; charset=gb2312" /><title>一个调用Ext类库的模板页面</title><script type="text/javascript" src="G1.js"></script><script type="text/javascript" src="ext-3.0.0/adapter/ext/ext-base.js"></script><script type="text/javascript" src="ext-3.0.0/ext-all.js"></script><link rel="stylesheet" type="text/css" href="ext-3.0.0/resources/css/ext-all.css" />  </head><body bgcolor="#FFFFFF"><script type="text/javascript">function fun(){var G=new Graph({A:[[1,2,3],[4,5,6],[7,8,9]],V:['A','B','C'],Visited:[0,0,0],num:3});G.VName();}Ext.onReady(fun);</script></body>
</html>

上述过程完成后，可以加入一个求V数组中每行平均值的方法，涉及到求平均值，首先我们需要一个求指定行和的函数，这个函数定义成私有的，如同表9的程序中的Sum()，私有函数定义和普通的JavaScript函数完全一致。

但在实际使用中，错误首先在第17行，表示this.num是没有定义。

造成这样的结果，主要是私有的函数Sum()并不包含在对象中，这点和C#是完全不一样，所以私有函数中要引用对象的数据，要首先获得该对象的实例，就是要有这样的方法：

var Ob=this;
function Sum()
{
…
for(i=0;i<Ob.num;i++)
…
}

function Graph(G)
{
this.A=G.A;
this.V=G.V;
this.Visited=G.Visited;
this.num=G.num;
this.T=G.T;
this.VName=function(){var i;for(i=0;i<this.num;i++)document.write(this.V[i]);}
function Sum(n)
{
var s=0,i;
for(i=0;i<this.num;i++)  //私有方法中错误引用对象数据s+=this.A[n][i];
return s;
}
this.AVG=function(n){var s;s=Sum(n)/this.num;	}
}

function Graph(G)
{
this.A=G.A;
this.V=G.V;
this.Visited=G.Visited;
this.num=G.num;
this.T=G.T;
this.VName=function(){var i;for(i=0;i<this.num;i++)document.write(this.V[i]);}
function Sum(n)
{
var s=0,i;
for(i=0;i<this.num;i++)  //私有方法中错误引用对象数据s+=this.A[n][i];
return s;
}
this.AVG=function(n){var s;s=Sum(n)/this.num;	}
}

function Graph(G)
{
this.A=G.A;
this.V=G.V;
this.Visited=G.Visited;
this.num=G.num;
this.T=G.T;
var Ob=this;
//公共方法
this.VName=function(){var i;for(i=0;i<this.num;i++)document.write(this.V[i]);}
//私有方法
function Sum(n)
{
var s,i;
s=0;
for(i=0;i<Ob.num;i++)s+=Ob.A[n][i];
return s;
}
//公共方法
this.AVG=function(n){var a;a=Sum(n)/this.num;	return a;}
}

通过上述实验过程，则有两个遍历方法的图类就是：

function Graph(G)
{
this.A=G.A;
this.V=G.V;
this.Visited=G.Visited;
this.num=G.num;
this.T=G.T;
var Ob=this;
//私有方法：深度优先遍历
function DFS(m)
{
var i;
Ob.Visited[m]=1;
for(i=0;i<Ob.num;i++){if(Ob.A[m][i]!=0&&Ob.Visited[i]!=1) {Ob.T[m].appendChild(Ob.T[i]);DFS(i);}}
}
//公共方法：深度优先遍历、以及初始化
this.DSFTraverse=function(){var i,Comcon=0;if (this.num==0||this.num==undefined) return -1;for(i=0;i<this.num;i++){this.Visited[i]=0;this.T[i]=new Ext.tree.TreeNode({id:i,text:this.V[i]}); }for(i=0;i<this.num;i++)if(this.Visited[i]==0){DFS(i);Comcon++;}return Comcon;}
//私有方法：广度优先遍历
function BFS(m)
{var i,n;var Q=new Queue();Q.EnQueue(m);Ob.Visited[m]=1;while(Q.Count()>0){n = Q.DeQueue();for (i = 0; i <Ob.num; i++)if (Ob.A[n][i] == 1 && Ob.Visited[i] == 0){Ob.T[n].appendChild(Ob.T[i]);Ob.Visited[i] = 1; Q.EnQueue(i);}			}
}
//公共方法：深度优先遍历、以及初始化
this.BSFTraverse=function(){var i,Comcon=0;if (this.num==0||this.num==undefined) return -1;for(i=0;i<this.num;i++){this.Visited[i]=0;this.T[i]=new Ext.tree.TreeNode({id:i,text:this.V[i]}); }for(i=0;i<this.num;i++)if(this.Visited[i]==0){BFS(i);Comcon++;}return Comcon;}
//获得遍历结果树，适应多个连接分量情况下。
this.getTree=function(){for(i=1;i<this.num;i++)if(this.T[i].parentNode==null)this.T[0].appendChild(this.T[i]);return this.T[0];}
}

有了上述图类后，则相应的界面上“深度优先遍历”按钮下的相应程序就是：

text: "深度优先遍历图",   
handler: function()
{   
//以下写进遍历的代码var m=gstore.getCount();var n=gstore.getAt(m-1).get('row')+1;var Visited=Array();var A=Array();var i,j;for(i=0;i<n;i++){Visited[i]=0;A[i]=Array();}//获得邻接矩阵数据							for(i=0;i<m;i++){var r=gstore.getAt(i).get('row');var c=gstore.getAt(i).get('col');var v=gstore.getAt(i).get('Value');A[r][c]=v;}//获得邻接矩阵数据							var V=new Array();//获得顶点名称for(i=0;i<vstore.getCount();i++)V[i]=vstore.getAt(i).get('V');//用变量给对象各个属性赋值var G=new Graph({A:A,V:V,T:T,num:n,Visited:Visited});				m=G.DSFTraverse();var TR=new Ext.tree.TreeNode({id:10000,text:'深度优先遍历树，连通分量'+m});TR.appendChild(G.getTree());					treeView1.setRootNode(TR);
}