深度优先搜索和广度优先搜索
2017-11-11 23:14
393 查看
对于图结构的遍历,有两种方式:深度优先搜索和广度优先搜索
深度优先搜索(DFS):
1)从起点开始,设为已被访问;
2)然后依次搜索起点的每一个邻接点;
3)如果该邻接点未被访问过,则递归把该节点作为起点继续进行深度优先搜索;
4)如果当前点已没有未访问过的邻接节点则递归回溯到上层
直到遍历完途中所有联通的节点
对于上图的搜索过程:
1 → 2 → 4 → 8 → 5(该点已没有未访问的邻接点,递归回溯,回溯过程5 → 8 → 4 → 2 → 1,然后从1的另一个邻接点开始,继续搜索) → 3 → 6 → 7
算法实现:
8 5
367
广度优先搜索是按层次遍历整个图,当前层访问完成后再进行下一层的访问,这里需要用到队列结构
1)首先起始节点入队
2)当队列不为空,将队首的所有为访问邻接节点入队,队首出队
3)当队列为空时,搜索过程结束
对于上图的搜索过程:
1 (第一层结束,队列{2,3})→ 2 → 3(第二层结束) → 4 → 5 → 6 → 7(第三层结束) → 8(完成 队列为空)
算法实现:
广度优先搜索一般没有回溯操作,所以运行速度要比深度优先快一些,但是一般需要存储所有节点,占的存储空间比深度优先搜索大得多,所以必须考虑溢出和节省内存空间的问题。
深度优先搜索(DFS):
1)从起点开始,设为已被访问;
2)然后依次搜索起点的每一个邻接点;
3)如果该邻接点未被访问过,则递归把该节点作为起点继续进行深度优先搜索;
4)如果当前点已没有未访问过的邻接节点则递归回溯到上层
直到遍历完途中所有联通的节点
对于上图的搜索过程:
1 → 2 → 4 → 8 → 5(该点已没有未访问的邻接点,递归回溯,回溯过程5 → 8 → 4 → 2 → 1,然后从1的另一个邻接点开始,继续搜索) → 3 → 6 → 7
算法实现:
public class dfs { public static int[][] graph = { {0,0,0,0,0,0,0,0,0}, {0,0,1,1,0,0,0,0,0}, {0,1,0,0,1,1,0,0,0}, {0,1,0,0,0,0,1,1,0}, {0,0,1,0,0,0,0,0,1}, {0,0,1,0,0,0,0,0,1}, {0,0,0,1,0,0,0,1,0}, {0,0,0,1,0,0,1,0,0}, {0,0,0,0,1,1,0,0,0} }; public static boolean[] visited = new boolean[9]; public static void dfs(int index){ visited[index] = true; System.out.print(index+"\t"); for(int i=1;i<9;i++) if(graph[index][i]!=0){ if(visited[i] == false ){ dfs(i); } } } public static void main(String[] args){ for(int i=0;i<9;i++) visited[i] = false; dfs(1); } }运行结果:124
8 5
367
广度优先搜索是按层次遍历整个图,当前层访问完成后再进行下一层的访问,这里需要用到队列结构
1)首先起始节点入队
2)当队列不为空,将队首的所有为访问邻接节点入队,队首出队
3)当队列为空时,搜索过程结束
对于上图的搜索过程:
1 (第一层结束,队列{2,3})→ 2 → 3(第二层结束) → 4 → 5 → 6 → 7(第三层结束) → 8(完成 队列为空)
算法实现:
import java.util.PriorityQueue; import java.util.Queue; public class bfs { private static int[][] graph = { {0,0,0,0,0,0,0,0,0}, {0,0,1,1,0,0,0,0,0}, {0,1,0,0,1,1,0,0,0}, {0,1,0,0,0,0,1,1,0}, {0,0,1,0,0,0,0,0,1}, {0,0,1,0,0,0,0,0,1}, {0,0,0,1,0,0,0,1,0}, {0,0,0,1,0,0,1,0,0}, {0,0,0,0,1,1,0,0,0} }; private static boolean[] visited = new boolean[9]; private static void bfs(int index){ queue.add(new Integer(index)); visited[index] = true; while(!queue.isEmpty()){ System.out.print(queue.element()+"\t"); for(int i=1;i<=8;i++){ if(graph[queue.element()][i] != 0){ if(visited[i] == false){ queue.offer(new Integer(i)); visited[i] = true; } } } queue.remove(); } } private static Queue<Integer> queue = new PriorityQueue<Integer>(); public static void main(String[] args){ for(int i=1 ; i < 9;i++) visited[i] = false; bfs(1); } }深度优先搜索一般使用递归实现,实现简单,当搜索深度较小时,比较适用此方法,但是当搜索深度比较大时,由于系统堆栈大小限制,容易产生堆栈溢出。
广度优先搜索一般没有回溯操作,所以运行速度要比深度优先快一些,但是一般需要存储所有节点,占的存储空间比深度优先搜索大得多,所以必须考虑溢出和节省内存空间的问题。
相关文章推荐
- 有向图和无向图邻接矩阵的输入输出,深度深度优先搜索,广度优先搜索
- 深度优先搜索与广度优先搜索
- python深度优先搜索和广度优先搜索
- 图的基本算法——广度优先搜索和深度优先搜索
- 深度优先搜索和广度优先搜索(转)
- 图的遍历之 深度优先搜索和广度优先搜索
- Java实现图:邻接矩阵表示、深度优先搜索、广度优先搜索、无向图的最小生成树
- 图的表示、广度优先搜索、深度优先搜索
- 深度优先搜索和广度优先搜索
- 算法之------深度优先搜索DFS和广度优先搜索BFS(最短路径)
- 树:深度优先搜索、广度优先搜索、背包问题
- 图搜索之A*算法、深度优先搜索和广度优先搜索
- 图的遍历之 深度优先搜索和广度优先搜索
- 图的遍历之 深度优先搜索和广度优先搜索
- 邻接表 邻接矩阵 广度优先搜索 深度优先搜索
- 图的创建、广度优先搜索、深度优先搜索
- 深度优先搜索与广度优先搜索
- 深度优先搜索、广度优先搜索(java)
- 图的遍历之 深度优先搜索和广度优先搜索
- 总结A*,Dijkstra,广度优先搜索,深度优先搜索的复杂度比较