图的深度优先和广度优先

算法详解——图的深度优先遍历和广度优先遍历 图数据中的深度优先遍历算法和广度优先遍历算法 阅读详情
#include<iostream>
#include<cstdio>
#include<cstring>
using namespace std;
#define MVNum 100
#define MAXQSIZE 100                        //最大队列长度
typedef int Vtype;           //顶点的数据类型 
typedef struct 
{
    Vtype vexs[MVNum];              //顶点表 
    int  arcs[MVNum][MVNum];        //邻接矩阵
    int  vexnum,arcnum;             //图的点数和边数  
}Graph;

//----队列的定义及操作--------
typedef struct{
    int *base;                          //初始化的动态分配存储空间
    int front;                              //头指针,若队列不空,指向队头元素
    int rear;                               //尾指针,若队列不空,指向队尾元素的下一个位置
}sqQueue;
void InitQueue(sqQueue &Q){
    //构造一个空队列Q
    Q.base = new int[MAXQSIZE];
    if(!Q.base)     exit(1);                //存储分配失败
    Q.front = Q.rear = 0;
}//InitQueue

void EnQueue(sqQueue &Q, int e){
    //插入元素e为Q的新的队尾元素
    if((Q.rear + 1) % MAXQSIZE == Q.front)
        return;
    Q.base[Q.rear] = e;
    Q.rear = (Q.rear + 1) % MAXQSIZE;
}//EnQueue

bool QueueEmpty(sqQueue Q){
    //判断是否为空队
    if(Q.rear == Q.front)
        return true;
    return false;
}//QueueEmpty

void DeQueue(sqQueue &Q, int &u){
    //队头元素出队并置为u 
    u = Q.base[Q.front];
    Q.front = (Q.front + 1) % MAXQSIZE;
}//DeQueue  
//-------------------

bool visited[MVNum];                    //访问标志数组
int FirstAdj(Graph G,int v)            //返回邻接点 
{
  int i;
  for(i=0;i<G.vexnum;i++)
    {
        if(G.arcs[v][i]==1&&visited[i]==false)
        return i;
     } 
     return -1;
} 

int NextAdj(Graph G,int v,int w)       // 返回v相对于w的下一个邻接点
{
  int i;
  for(i=w;i<G.vexnum; i++)
  {
    if(G.arcs[v][i]==1&&visited[i]==false)
    return i;
  }
  return -1;
}

int localvex(Graph G,int v)             //定位点 
{
    for(int i=0;i<G.vexnum;++i)
     if(G.vexs[i]==v) return i;
     return -1;
}

//创建邻接矩阵 
void CreateUDN(Graph &G)
{
    int i,j,k;
    cout<<"请输入总顶点数和总边数" ;
    cin>>G.vexnum>>G.arcnum;
    cout<<endl;
    cout<<"输入点的信息";
    for(i=0;i<G.vexnum;++i)
     cin>>G.vexs[i];
    for(i=0;i<G.vexnum;++i)               //初始化矩阵,边的权值皆为0 
       for(j=0;j<G.vexnum;++j)
       G.arcs[i][j]=0;
       for(k=0;k<G.arcnum;++k)           //以边 构造邻接矩阵
       {
        int v1,v2;
        cout<<"输入第"<<(k+1)<<"边依附的顶点";
        cin>> v1>>v2;
        i=localvex(G,v1); j=localvex(G,v2);  //确定v1,v2的位置 
            G.arcs[j][i]=G.arcs[i][j]=1;
       } 
}
 //邻接矩阵的深度优先遍历 
 void DFS(Graph G,Vtype v)
 {
    int w;
    cout<< G.vexs[v] << "    ";visited[v]=true;
    for(w=0;w<G.vexnum;++w)                                           //////
    if((G.arcs[v][w]==1)&&(!visited[w])) DFS(G,w);
  } 

      //按广度优先非递归遍历连通图G 
 void BFS (Graph G, int v){ 
    memset(visited,false,sizeof(visited));
    sqQueue Q;
    int u;                                              //权值 
    int w;

    cout << G.vexs[v] << "  ";    visited[v] = true;                            //访问第v个顶点,并置访问标志数组相应分量值为true 
    InitQueue(Q);                                                               //辅助队列Q初始化,置空         
    EnQueue(Q, v);                                                              //v进队 
    while(!QueueEmpty(Q)){                                                  //队列非空 
        DeQueue(Q, u);                                                          //队头元素出队并置为u
        for(w = FirstAdj(G, u); w >= 0; w = NextAdj(G, u, w)){
            if(!visited[w]){                                                    //w为u的尚未访问的邻接顶点 
              visited[w] = true;                    //访问w,并置访问标志数组相应分量值为true 
                EnQueue(Q, w);  cout << G.vexs[w] << "  ";                                                  //w进队 
            } 
        }
    } 
}

  int main(){
    Graph G;
    CreateUDN(G);
    cout << endl;
    cout << "无向图G创建完成!" << endl << endl;

    cout << "请输入遍历无向图G的起始点:";
    Vtype c;
    cin >> c;

    int i;
    for(i = 0 ; i < G.vexnum ; ++i){
        if(c == G.vexs[i])
            break;
    }
    cout << endl;
    while(i >= G.vexnum){
        cout << "该点不存在,请重新输入!" << endl;
        cout << "请输入遍历连通图的起始点:";
        cin >> c;
        for(i = 0 ; i < G.vexnum ; ++i){
            if(c == G.vexs[i])
                break;
        }
    }
    cout << "深度优先搜索遍历无向图G结果:" << endl;
    DFS(G , i);

    cout << "广度优先搜索遍历连通图结果:" << endl;
    BFS(G , i);
    cout <<endl;
    return 0;
}
图的深度优先和广度优先算法(DFS递归与非递归) 阅读详情

相关推荐

从零构建物联网监控系统:STM32+迪文屏+WiFi模组的实战解析

本文详细解析了基于STM32微控制器、迪文串口屏和WiFi模组构建物联网监控系统的完整方案。从硬件选型、系统架构设计到数据交互实现,提供了包括迪文屏GUI开发、STM32通信协议、低功耗优化等实战经验,帮助开发者快速掌握物联网监控系统的核心技术。

docker7nomad的博客 731

Java数据结构与算法 day12 图

文章目录第12章 图图的基本介绍和存储形式图基本介绍图的表示方式图的创建图解和代码实现图的深度优先(DFS)算法图解与实现图的广度优先(BFS)算法图解图的DFS和BFS比较本章思维导图 第12章 图 本章源码:https://github.com/name365/Java-Data-structure 图的基本介绍和存储形式 图基本介绍 为什么要有图??? 前面我们学了线性表和树,线性表局限于一个直接前驱和一个直接后继的关系,树也只能有一个直接前驱也就是父节点。当我们需要表示多对多的关系时,这里我

杨丙寅 1352

用Python玩转Carla-Apollo联合仿真:手把手教你实现自动驾驶测试

本文详细介绍了如何使用Python实现Carla-Apollo联合仿真,从环境搭建到自动驾驶算法测试的全流程。通过Carla提供的高逼真仿真环境和Apollo的自动驾驶算法栈,开发者可以高效验证感知、规划和控制模块。文章包含环境配置、Python API操作、桥接实现及实战测试,为自动驾驶开发提供完整解决方案。

wasm7browser的博客 269

图的遍历之 深度优先搜索和广度优先搜索

它的思想是:从图中某顶点v出发,在访问了v之后依次访问v的各个未曾访问过的邻接点,然后分别从这些邻接点出发依次访问它们的邻接点,并使得“先被访问的顶点的邻接点先于后被访问的顶点的邻接点被访问,直至图中所有已被访问的顶点的邻接点都被访问到。它的思想:假设初始状态是图中所有顶点均未被访问,则从某个顶点v出发,首先访问该顶点,然后依次从它的各个未被访问的邻接点出发深度优先搜索遍历图,直至图中所有和v有路径相通的顶点都被访问到。在第1步访问A之后,接下来应该访问的是A的邻接点,即"C,D,F"中的一个。

Lamb的博客 2707

# 解决 win11 连接共享打印机,报错 0x00000709 问题

# 解决 win11 连接共享打印机,报错 0x00000709 问题

段子手168的博客 9万+

Habitat-v0.1.7安装全网最详细教程(解决habitat-sim下载时网络问题)

Habitat-v0.1.7安装全网最详细教程(解决habitat-sim下载时网络问题)

shannanshouyin的博客 1329

数据结构学习笔记——图的遍历算法(深度优先搜索和广度优先搜索)

若通过邻接表表示图,则每个顶点都入队一次,即所需时间为O(|V|),搜索顶点的邻接顶点所需时间为O(|E|),其时间复杂度为O(|V|+|E|)。若通过邻接表表示图,则查找所有顶点的邻接顶点所需时间为O(|E|),访问顶点所需时间为O(|V|),即总时间复杂度为O(|V|+|E|)。4、查看V7单链表,其邻接顶点为2,即V3,它已经被访问过,于是回到V3单链表,搜索下一个未被访问的邻接顶点;11、查看V8单链表,其邻接顶点为4,即V5,已经被访问过,于是回到V5单链表,搜索下一个未被访问的邻接顶点;....

小宇y的博客 3万+

华为EC6108V9E刷机实战:从U盘准备到开机优化的完整避坑指南

本文提供华为悦盒EC6108V9E刷机与优化的完整实战指南。针对搭载RK3228芯片和安卓4.4.4系统的设备,从型号确认、固件选择、U盘准备,到详细刷机步骤、常见故障排除,以及刷机后的深度性能优化,手把手帮助用户规避风险,让旧盒子焕发新生,成为流畅的全能媒体中心。

weixin_29324401的博客 1202

图的广度优先搜索和深度优先搜索

图的广度优先搜索和深度优先搜索,BFS和DFS的算法思路、分析、代码、应用,遍历的生成树、生成森林问题。

24考研人晴落的博客 7023

LVGL iPhone Duo 开合过渡

环境:LVGL 9.x(需要软件模糊),窗口建议 1280×800。界面文案英文(默认 Montserrat 无 CJK)。

摸鱼专家 157

yolo 图像检测、关键点检测单摄像头测量物体尺寸长度大小

new_distance/real_size (待求物体像素距离与实际距离比值)= distance / metric_length (参照物像素距离与实际距离比值)然后运行size_demo进行要测量的物体进行关节点检测距离;metric_length是上面耳机选取的两个点的实际物理距离,大概6cm;这里用的windows。通过关键点检测识别物体关键点的像素距离,然后参考比例尺计算实际距离。2)关键点算法这里用的现有的进行测试,实际场景需要自己训练。这里拿这模型推理出的关键点坐标进行后续长度计算。

weixin_42357472的博客 2528

图的遍历(搜索)算法(深度优先算法DFS和广度优先算法BFS)

从图的某个顶点出发访问遍图中所有顶点,且每个顶点仅被访问一次。(连通图与非连通图)

sinat_41942180的博客 1700

OpenHarmony开发一个App,安装到BearPi-HM Micro开发板

建议先阅读我们这篇,这里面详细介绍了,以及hap包安装的全过程。本篇是介绍如何开发一个App,然后安装到开发板上,比如hap包,无法安装等问题。

Halifax 1030

图的广度优先搜索(BFS)和深度优先搜索(DFS)算法解析

BFS/DFS算法解析【算法入门]2018/6/21.前言和树的遍历类似,图的遍历也是从图中某点出发,然后按照某种方法对图中所有顶点进行访问,且仅访问一次。但是图的遍历相对树而言要更为复杂。因为图中的任意顶点都可能与其他顶点相邻,所以在图的遍历中必须记录已被访问的顶点,避免重复访问。根据搜索路径的不同,我们可以将遍历图的方法分为两种:广度优先搜索和深度优先搜索。2.图的基本概念2.1.无向图和无向...

weixin_40953222的博客 17万+

IDEA的使用指南

IDEA基于java的使用手册,可以最快速的上手,在使用中不断的丰富自己的使用技巧.

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox(带书签),MATLAB统计学习工具

基于图的邻接表的深度优先遍历(DFS)和广度优先遍历(BFS)

深度优先遍历(Depth-First Search): 用深度优先搜索策略遍历一个图类似于树的前序遍历,对于一个图G=(V,E),首先将图中的每一个顶点都标记为未访问,然后选取一个源点v,将其标为已访问,再递归地用深度优先搜索方法,依次搜索该点的所有邻接点w。若w未曾访问,则以w为源点继续进行深度优先遍历,如果从v出发的所有路的顶点都已被访问过,则从v的搜索过程结束。此时如果图中还有未被访问的顶点...

qq_43613793的博客 7287

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

数据结构之图(2):图的遍历,深度优先算法(DFS)和广度优先算法(BFS)

一、什么是图的遍历 给定一个图G和其中任意一个顶点v0,从v0出发,沿着图中的各边访问图中的所有顶点,且每个顶点仅被访问一次。 遍历的方法: 深度优先搜索、广度优先算法、前序、后序 为了防止陷入死循环(存在回路)或者访问不到某些结点(非联通图),我们在每个顶点设置一个访问标志位(visit bit)初始为零,被访问后标记。 图的生成树:图的所有顶点再加上遍历过程中经过的所有边所构成的子图,称为...

qq_43342413的博客 510

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

图的深度优先算法和广度优先算法

本文介绍了图的深度优先搜索(DFS)和广度优先搜索(BFS)算法的实现。首先通过邻接矩阵创建了一个包含9个顶点和15条边的图。DFS算法采用递归方式实现,沿着一个方向深入搜索,直到无法继续再回溯;BFS算法使用队列实现,按层次遍历图的节点。两种算法都通过访问标记数组避免重复访问。测试结果表明,DFS输出顺序为A B C D E F G H I,BFS输出顺序为A B F C G I E D H,验证了算法的正确性。这些算法是图遍历的基础方法,具有广泛的应用价值。

mifengxing的博客 502

图的遍历:深度优先搜索(DFS)和广度优先搜索(BFS)

在计算机科学中,图(Graph)是一种数据结构,由节点(也称为顶点)和连接这些节点的边组成。图可以用来表示各种关系,比如社交网络中的朋友关系、地图中的路径、网络中的设备连接等。无向图:图中的边没有方向,表示节点之间的关系是对称的。有向图:图中的边有方向,表示节点之间的关系是单向的。加权图:图中的边带有权重,表示连接两个节点的代价、距离或其他度量。无环图:图中没有形成环路。连通图:图中的任意两个节点之间都有路径相连。在解决图遍历问题时,DFS 和 BFS 是两种非常有用的搜索策略。

qq_22841387的博客 5035

分别用邻接矩阵和邻接表实现图的深度优先遍历和广度优先遍历_图的BFS、DFS

BFS、DFS分别为广度优先搜索和深度优先搜索的英文首字母缩写。先考虑树的BFS、DFS。树的BFS即层序遍历。层序遍历先访问根结点,再逐个访问根结点的子结点,再逐个访问上述子结点的子结点,以此类推,直至访问过所有结点。树的DFS有三种(先序遍历、中序遍历、后序遍历),这里只说先序遍历。先序遍历先访问根结点,再逐个先序遍历根结点的所有子树。(由递归的定义可知,容易用递归算法实现(函数的递归用到了调...

weixin_39527768的博客 4584

图的深度优先遍历(DFS)和广度优先遍历(BFS)

深度优先遍历(DFS) 图的遍历:即是对结点的访问。一个图有那么多个结点,如何遍历这些结点,需要特定策略,一般有两种访问策略: (1)深度优先遍历 (2)广度优先遍历 图的深度优先搜索(Depth First Search) 。 1:深度优先遍历,从初始访问结点出发,初始访问结点可能有多个邻接结点,深度优先遍历的策略就是首先访问第一个邻接结点,然后再以这个被访问的邻接结点作为初始结点,访问它的第一个邻接结点, 可以这样理解:每次都在访问完当前结点后首先访问当前结点的第一个邻接结点。 2:我们...

m0_57126456的博客 1656

图的深度优先与广度优先(dfs和bfs)思路记录

①遍历判断每个节点是否被访问,如果已被访问则跳到下一个节点,否则进入第②步98行代码②输出目前这个节点a,并且将其isVisited值变为true。82、83行代码③通过getFirstNeighbor方法,得到目前这个节点a的下一个邻结节点下标b,84行代码情况1:如果返回-1则没有邻结节点,说明没有连该节点,返回第①步跳到下一个未被访问的节点。情况2:如果有则判断b是否被访问(87行代码),如果已被访问则通过getNextNeighbor方法获取目前这个节点a的下一个非b的邻结节点c,90行代码。

2301_76897238的博客 986

图的遍历:广度优先遍历(BFS)和深度优先遍历(DFS)

广度优先搜索(BFS)和深度优先搜索(DFS)算法的详细讲解,附伪代码!

Slowly getting stronger 1820

c++实现图的广度优先搜索(BFS)和深度优先搜索(DFS)

1. 基本概念 图分为无向图和有向图。 与一个顶点相邻接的顶点数叫做该顶点的度。在有向图中,进入一个顶点的弧叫做该顶点的入度,从一个顶点发出的弧叫做该顶点的出度。 在无向图中,若图中任意一对顶点都是连通的,则称此图是连通图。 在有向图中,若任意一对顶点u和v间存在一条从u到v的路径和从v到u的路径,则称此图是强连通图。 无向图的一个极大连通子图称为该图的一个连通分量。 有向图的一个极大强连通子...

暮日落流年的博客 4774
上一篇: SQL的主键和外键约束
下一篇: 基类指针指向派生类对象
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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