图的遍历:DFS BFS
2013-05-24 23:33
183 查看
深度优先遍历
1.深度优先遍历的递归定义
假设给定图G的初态是所有顶点均未曾访问过。在G中任选一顶点v为初始出发点(源点),则深度优先遍历可定义如下:首先访问出发点v,并将其标记为已访问过;然后依次从v出发搜索v的每个邻接点w。若w未曾访问过,则以w为新的出发点继续进行深度优先遍历,直至图中所有和源点v有路径相通的顶点(亦称为从源点可达的顶点)均已被访问为止。若此时图中仍有未访问的顶点,则另选一个尚未访问的顶点作为新的源点重复上述过程,直至图中所有顶点均已被访问为止。
图的深度优先遍历类似于树的前序遍历。采用的搜索方法的特点是尽可能先对纵深方向进行搜索。这种搜索方法称为深度优先搜索(Depth-First Search)。相应地,用此方法遍历图就很自然地称之为图的深度优先遍历
2.基本实现思想:
(1)访问顶点v;
(2)从v的未被访问的邻接点中选取一个顶点w,从w出发进行深度优先遍历;
(3)重复上述两步,直至图中所有和v有路径相通的顶点都被访问到。
3.伪代码
递归实现
(1)访问顶点v;visited[v]=1;//算法执行前visited
=0
(2)w=顶点v的第一个邻接点;
(3)while(w存在)
if(w未被访问)
从顶点w出发递归执行该算法;
w=顶点v的下一个邻接点;
算法的伪代码描述为:
(1)初始化栈
(2)输出起始节点,并标记为已访问,将该节点压入栈
(3)While(栈不为空)
a.取得栈顶节点Top,注意不要从站内删除;
b.遍历栈顶节点Top的相邻节点adjacentNode,如果该节点adjacentNode未被标记为已
访问,则
输出节点adjacentNode;
标记adjacentNode为已访问;
把adjacentNode压入栈;
c.如果没有满足条件的相邻节点adjacentNode,将栈顶节点Top出栈;
使用情形:
1.深度优先策略常用于连通图的遍历
2.深度优先策略也广泛应用于寻找一条满足某种条件的路径。
算法的时间复杂度为O(n),其中n为节点个数。
广度优先搜索
思想是:假设初始状态时所有顶点都没有被访问过,则从图中某一顶点V出发,访问V。然后访问V的全部邻接点V1 v2 v3 .......................;然后然后依次访问这些点的全部邻接点(已访问的除外);在从这些被访问的顶点出发,主次访问他们的邻接点(已访问的除外)。他、以此类推,知道所有的点都访问完为止。换句话说,广度优先搜索遍历图就是以v为起点,由近至远,依次访问和v有路径相同的路径长度为1.2.3的顶点。
2.基本实现思想
(1)顶点v入队列。
(2)当队列非空时则继续执行,否则算法结束。
(3)出队列取得队头顶点v;访问顶点v并标记顶点v已被访问。
(4)查找顶点v的第一个邻接顶点col。
(5)若v的邻接顶点col未被访问过的,则col入队列。
(6)继续查找顶点v的另一个新的邻接顶点col,转到步骤(5)。
直到顶点v的所有未被访问过的邻接点处理完。转到步骤(2)。
广度优先遍历图是以顶点v为起始点,由近至远,依次访问和v有路径相通而且路径长度为1,2,……的顶点。为了使“先被访问顶点的邻接点”先于“后被访问顶点的邻接点”被访问,需设置队列存储访问的顶点。
3.伪代码
(1)初始化队列Q;visited
=0;
(2)访问顶点v;visited[v]=1;顶点v入队列Q
(3) while(队列Q非空)
v=队列Q的对头元素出队;
w=顶点v的第一个邻接点;
while(w存在)
如果w未访问,则访问顶点w;
visited[w]=1;
顶点w入队列Q;
w=顶点v的下一个邻接点。
1.深度优先遍历的递归定义
假设给定图G的初态是所有顶点均未曾访问过。在G中任选一顶点v为初始出发点(源点),则深度优先遍历可定义如下:首先访问出发点v,并将其标记为已访问过;然后依次从v出发搜索v的每个邻接点w。若w未曾访问过,则以w为新的出发点继续进行深度优先遍历,直至图中所有和源点v有路径相通的顶点(亦称为从源点可达的顶点)均已被访问为止。若此时图中仍有未访问的顶点,则另选一个尚未访问的顶点作为新的源点重复上述过程,直至图中所有顶点均已被访问为止。
图的深度优先遍历类似于树的前序遍历。采用的搜索方法的特点是尽可能先对纵深方向进行搜索。这种搜索方法称为深度优先搜索(Depth-First Search)。相应地,用此方法遍历图就很自然地称之为图的深度优先遍历
2.基本实现思想:
(1)访问顶点v;
(2)从v的未被访问的邻接点中选取一个顶点w,从w出发进行深度优先遍历;
(3)重复上述两步,直至图中所有和v有路径相通的顶点都被访问到。
3.伪代码
递归实现
(1)访问顶点v;visited[v]=1;//算法执行前visited
=0
(2)w=顶点v的第一个邻接点;
(3)while(w存在)
if(w未被访问)
从顶点w出发递归执行该算法;
w=顶点v的下一个邻接点;
public void DFS1(int v , int [] visited){ Node p = new Node() ; System.out.println("访问顶点"+v) ; visited[v] = 1 ; p = List[v].head.next ; while(p!=null){ if( visited[p.index] == 0 && p.index != 0) DFS1( p.index , visited) ; p = p.next ; } }
算法的伪代码描述为:
(1)初始化栈
(2)输出起始节点,并标记为已访问,将该节点压入栈
(3)While(栈不为空)
a.取得栈顶节点Top,注意不要从站内删除;
b.遍历栈顶节点Top的相邻节点adjacentNode,如果该节点adjacentNode未被标记为已
访问,则
输出节点adjacentNode;
标记adjacentNode为已访问;
把adjacentNode压入栈;
c.如果没有满足条件的相邻节点adjacentNode,将栈顶节点Top出栈;
使用情形:
1.深度优先策略常用于连通图的遍历
2.深度优先策略也广泛应用于寻找一条满足某种条件的路径。
算法的时间复杂度为O(n),其中n为节点个数。
public void DFS(int v ){ int[]stack = new int[1000] ; int[]visited = new int[1000] ; int top = 0 ; stack[top++] = v ; System.out.println("访问"+v) ; visited[v] = 1 ; while(top >=1){ Node q = new Node() ; q = List[stack[top-1]].head.next ; boolean fact = true ; while(q!= null && visited[q.index] == 0 && q.index != 0){//我的数组下表从1开始,没有0,所以不能等于0 fact = false ; System.out.println("访问"+q.index) ; visited[q.index] = 1 ; stack[top++] = q.index ; q = q.next ; } if(fact){ top -- ; } } }
广度优先搜索
思想是:假设初始状态时所有顶点都没有被访问过,则从图中某一顶点V出发,访问V。然后访问V的全部邻接点V1 v2 v3 .......................;然后然后依次访问这些点的全部邻接点(已访问的除外);在从这些被访问的顶点出发,主次访问他们的邻接点(已访问的除外)。他、以此类推,知道所有的点都访问完为止。换句话说,广度优先搜索遍历图就是以v为起点,由近至远,依次访问和v有路径相同的路径长度为1.2.3的顶点。
2.基本实现思想
(1)顶点v入队列。
(2)当队列非空时则继续执行,否则算法结束。
(3)出队列取得队头顶点v;访问顶点v并标记顶点v已被访问。
(4)查找顶点v的第一个邻接顶点col。
(5)若v的邻接顶点col未被访问过的,则col入队列。
(6)继续查找顶点v的另一个新的邻接顶点col,转到步骤(5)。
直到顶点v的所有未被访问过的邻接点处理完。转到步骤(2)。
广度优先遍历图是以顶点v为起始点,由近至远,依次访问和v有路径相通而且路径长度为1,2,……的顶点。为了使“先被访问顶点的邻接点”先于“后被访问顶点的邻接点”被访问,需设置队列存储访问的顶点。
3.伪代码
(1)初始化队列Q;visited
=0;
(2)访问顶点v;visited[v]=1;顶点v入队列Q
(3) while(队列Q非空)
v=队列Q的对头元素出队;
w=顶点v的第一个邻接点;
while(w存在)
如果w未访问,则访问顶点w;
visited[w]=1;
顶点w入队列Q;
w=顶点v的下一个邻接点。
public void BFS(int k , int []visited){ int[]queue = new int[20] ; int r = 0 ;int f = 0 ; System.out.println("访问"+k) ; visited[k] = 1 ; r = (r+1)%20 ; queue[r] = k ; while( r != f){ Node p = new Node(); f = (f+1)%20; p = List[queue[f]].head.next; while(p!=null){ if(visited[p.index] == 0 && p.index != 0){//我的数组下表从1开始,没有0,所以不能等于0 System.out.println("访问"+p.index); visited[p.index] = 1 ; r = (r+1)%20 ; queue[r] = p.index ; } p = p.next ; } } }
相关文章推荐
- 图的邻接表的遍历(DFS(递归,非递归),BFS,拓扑排序)
- 图的遍历算法-深度优先搜索算法(dfs)和广度优先搜索算法(bfs)
- 1079. Total Sales of Supply Chain (25)-PAT甲级真题(dfs,bfs,树的遍历)
- 基于邻接表存储的图的DFS与BFS遍历
- 算法学习笔记(六) 二叉树和图遍历—深搜 DFS 与广搜 BFS
- 图的遍历(DFS、BFS)使用邻接矩阵(数组)作为存储结构--C语言
- c++中图的遍历,dfs和bfs的简单实现
- 深度优先遍历(DFS)和广度优先遍历(BFS)
- 邻接矩阵存储的无向图深度优先(DFS)广度优先(BFS)遍历
- 图的遍历-DFS与BFS
- BFS、DFS、先序、中序、后序遍历的非递归算法(java)
- 图的dfs递归(非递归)遍历和bfs遍历(邻接表)
- 数据结构18————图的深度优先遍历(DFS)&广度优先遍历(BFS)
- 【图】BFS遍历、DFS遍历、Topology排序、判断二分性
- 图的遍历(最小转机数)——dfs&&bfs
- 【算法——02】图的遍历——BFS广度优先搜索、DFS深度优先搜索
- 图的深度优先遍历(DFS)和广度优先遍历(BFS)
- 算法学习笔记 二叉树和图遍历—深搜 DFS 与广搜 BFS
- 【二十七】图的遍历--DFS、BFS
- 图的遍历算法实现DFS,BFS