【深度优先搜索】【图连通性】朋友圈

本文深入探讨了如何通过深度优先搜索(DFS)算法来解决朋友圈数量计算问题。在一个由N名学生构成的班级中,通过给定的学生间朋友关系矩阵,我们能够识别并计算出班级中存在的独立朋友圈总数。该算法首先检查每个学生的社交状态,如果学生尚未被访问过,就启动DFS遍历其朋友圈,标记已访问的朋友,并递归地探索所有直接或间接的朋友,直至朋友圈内所有成员都被标记。通过这种方式,每发现一个未被探索的朋友圈核心,算法就将朋友圈计数加一,最终返回朋友圈的总数。

问题描述

班上有 名学生。其中有些人是朋友,有些则不是。他们的友谊具有是传递性。如果已知 A 是 B 的朋友,B 是 C 的朋友,那么我们可以认为 A 也是 C 的朋友。所谓的朋友圈,是指所有朋友的集合。

给定一个 N * N 的矩阵 M,表示班级中学生之间的朋友关系。如果M[i][j] = 1,表示已知第 i 个和 j 个学生互为朋友关系,否则为不知道。你必须输出所有学生中的已知的朋友圈总数。

示例 1:

输入: 
[[1,1,0],
 [1,1,0],
 [0,0,1]]
输出: 2 
说明:已知学生0和学生1互为朋友,他们在一个朋友圈。
第2个学生自己在一个朋友圈。所以返回2。

示例 2:

输入: 
[[1,1,0],
 [1,1,1],
 [0,1,1]]
输出: 1
说明:已知学生0和学生1互为朋友,学生1和学生2互为朋友,所以学生0和学生2也是朋友,所以他们三个在一个朋友圈,返回1。

注意:

  1. N 在[1,200]的范围内。
  2. 对于所有学生,有M[i][i] = 1。
  3. 如果有M[i][j] = 1,则有M[j][i] = 1。
class Solution {
    public int findCircleNum(int[][] M) {
    	if(null == M || M.length == 0){
    		return 0;
    	}

        int count = 0;
    	byte[] visited = new byte[M.length];
    	for(int i = 0; i < M.length; i++){
    		if(visited[i] == 0){
    			dfs(M, visited, i);
    			count++;
    		}
    	}

    	return count;
    }

    public void dfs(int[][] M, byte[] visited, int i){
        visited[i] = 1;
    	for(int j = 0; j < M.length; j++){
    		if(M[i][j] == 1 && visited[j] == 0){
    			visited[j] = 1;
    			dfs(M, visited, j);
    		}
    	}
    }
}

 

### 广度优先搜索与深度优先搜索的功能区别 广度优先搜索(BFS)按照层次顺序访问节点,即先访问根节点,接着访问其子节点,然后再依次访问更深层次的节点。这种特性使得BFS非常适合用于寻找两点之间的最短路径问题,在无权图中能够找到从起点到终点最少边数的路径[^3]。 相比之下,深度优先搜索(DFS)则采取深入挖掘的方式,尽可能深地沿着某条路径前进直到无法继续为止,之后回溯至上一节点并尝试另一条未探索过的路径。这种方法对于检测连通性和解决涉及复杂结构的问题非常有效,比如迷宫求解或拓扑排序等问题[^2]。 ### 实现方式对比 在实现方面,BFS通常借助队列来管理待处理的节点列表;每次从未处理集合中取出最早加入的一个元素进行扩展操作,并将其相邻的新发现顶点按序入队等待后续考察。而DFS更多依赖栈机制——无论是显式的数据结构还是隐含于函数调用堆栈之中——以支持递归形式下的断纵深推进过程[^4]。 ```python from collections import deque def bfs(graph, start): visited = set() queue = deque([start]) while queue: vertex = queue.popleft() if vertex not in visited: print(vertex) visited.add(vertex) for neighbor in graph[vertex]: if neighbor not in visited: queue.append(neighbor) def dfs_recursive(graph, node, visited=None): if visited is None: visited = set() if node not in visited: print(node) visited.add(node) for neighbour in graph[node]: dfs_recursive(graph, neighbour, visited) ``` ### 性能特点分析 就空间效率而言,由于BFS需要存储每一层的所有节点直至达到目标位置之前,因此可能占用较多内存资源特别是当网络直径较大时尤为明显。相反,尽管DFS可能会因为极端情况下形成极长链表而导致潜在的栈溢出风险,但在大多数情形下它所消耗的空间相对较小一些[^1]。 至于时间复杂度,二者均为O(V+E),其中V代表顶点数量E表示边的数量。过考虑到实际运行环境因素的影响,具体表现还会受到诸如输入规模、图形特征等因素制约。 ### 应用场景举例 - **广度优先搜索**:适用于社交网络好友推荐系统中计算两人之间关系距离最近的朋友圈成员;也常被用来做洪水填充游戏里判断相连区域大小等功能开发。 - **深度优先搜索**:可用于编译器设计里的语法解析环节完成表达式树构建工作;另外像电路板布局优化这类NP难问题也可通过启发式方法结合DFS得到近似最优解方案[^5]。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值