图的深度优先搜索和广度优先搜索

图的广度优先搜索和深度优先搜索 我们知道,算法是作用于具体数据结构之上的,深度优先搜索算法和广度优先搜索算法都是基于“图”这种数据结构的。这是因为,图这种数据结构的表达能力很强,大部分涉及搜索的场景都可以抽象成“图”。 图上的搜索算法,最直接的理解就是,在图中找出从一个顶点出发,到另一个顶点的路径。具体方法有很多,比如今天要讲的两种最简单、最“暴力”的深度优先、广度优先搜索,还有 A*、IDA* 等启发式搜索算法。 图有两种主要存储方法,邻接表和邻接矩阵。本文使用邻接表来存储图。我这里先给出图的代码实现。需要说明一下,深度优先搜索算法和广 阅读详情

图的表示

数据结构中,图的最常见的两种表示方法是邻接矩阵表示法和邻接表表示法。
邻接矩阵用一个二维表来表示各个顶点之间的邻接关系(即是否有边相连),适合于稠密图且顶点数较少的图。一般建立在邻接矩阵表示的图的搜索的时间复杂度O(n2)

邻接表为每一个顶点建立一个链表,把与之邻接的顶点插入到以该顶点为头节点的链表中,适合于稀疏图的存储。一般建立在邻接表表示的图的搜索的时间复杂度为O(n+e)。

由于邻接矩阵结构简单,我主要复习邻接表的表示方法。

#include <iostream>
#include<stdio.h>
#include<stdlib.h>
#include<stack>
#include<string.h>
using namespace std;
#define MAXNUM 200
#define VertexType int
typedef struct ArcNode {   //邻接点结构体
    int adjvex;//顶点的编号
    struct ArcNode * nextarc;
}ArcNode;
typedef struct VNode{   //表头结点结构体
    VertexType data;//顶点的名称
    struct ArcNode * firstarc;
}VNode,AdjList[MAXNUM];
typedef struct {       //邻接表结构体
    AdjList vercies;//邻接表数组
    int arcnum;//图的边数
    int vexnum;//图的顶点数
}AMGraph;

如何利用邻接表创建一个图?

bool visited[MAXNUM];
void create_AMGraph(AMGraph &G){      //引用 创建一个图
    cin>>G.vexnum>>G.arcnum;     //输入顶点个数和边的个数

    for(int i=0;i<G.vexnum;i++){   //初始化邻接表
        G.vercies[i].data = i;
        G.vercies[i].firstarc = NULL;
    }

    int x,y;
    for(int i=0;i<G.arcnum;i++){   //建立邻接表边关系 x->y   y->x
        cin>>x>>y;
        ArcNode * p = new ArcNode;
        p->adjvex = x;
        p->nextarc = G.vercies[y].firstarc;
        G.vercies[y].firstarc = p;

        ArcNode *q = new ArcNode;
        q->adjvex = y;
        q->nextarc = G.vercies[x].firstarc;
        G.vercies[x].firstarc = q;
    }
    return;
}

图的搜索

图的搜索也叫图的遍历,是从图的某一个顶点出发,按照某种方法对图中所有顶点访问且仅访问一次。图的遍历是图的最基本问题,是求解关键路径,图的连通性,拓扑排序等问题的基础。
根据图的搜索方向,图的搜索可以分为深度优先搜索和广度优先搜索。

深度优先搜索

图的深度优先搜索类似于树的先序遍历。
可以递归,也可以用栈,由于用到栈能够使算法优化。在这里只是文字叙述递归实现的步骤。

递归实现深度优先搜索:

  1. 从图中某个顶点v出发,访问v;
  2. 找出刚被访问顶点的第一个邻接点,并访问它。以该顶点作为新的扩展节点,重复上述步骤,直到刚访问过的顶点没有未被访问的邻接点为止;
  3. 返回前一个访问过的且仍有未被访问的邻接点的顶点,找到该顶点的下一个邻接点,访问它;
  4. 重复2和3,直到图中所有顶点都被访问为止。

利用栈实现图的深度优先搜索:
这里给出一篇文献:基于栈的非递归深度优先遍历算法的设计与实现
在这里插入图片描述

我的理解是:

首先初始化栈,初始化标记数组visited
然后初始节点v0入栈
while 栈非空时:
    栈顶元素出栈
    if 栈顶元素未被标记访问:
    	访问它并标记被访问
    	并且将与之邻接的未被访问的顶点全部入栈
    else 
    	continue;
end

我的代码是:

bool visited[MAXNUM];
void DFS(AMGraph G,int d){   //深度优先搜索
    stack<int>mys;memset(visited,false,sizeof(visited));
    mys.push(d);   //第一个节点进栈,当栈非空时
    while(!mys.empty()){  //当站栈非空的时候
        int x = mys.top();  //栈顶元素出栈
        mys.pop();
        if(!visited[x]){    //如果栈顶元素没有被访问过 先访问它 并且标记访问
            cout<<x<<endl;//访问这个顶点
            visited[x] = true;//标记这个顶点被访问过了
            for(ArcNode *p=G.vercies[x].firstarc;p!=NULL;p=p->nextarc){  //再遍历邻接顶点,未被访问的邻接点入栈
                if(!visited[p->adjvex])
                    mys.push(p->adjvex);
            }
        }
    }

}

一个小的测试样例:
在这里插入图片描述
在这里插入图片描述

广度优先搜索

广度优先搜索类似于树的层序遍历。
其文字描述为:

  1. 从图中某个顶点v出发,访问v;
  2. 依次访问v的各个未被访问的临界顶点;
  3. 分别从这些邻接点出发依次访问他们的邻接点,并且使得“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。

广度优先需要用到队列,我的理解是:

初始化队列,初始化标记数数组
访问初始节点,标记被访问并入队
while 队列非空时:
	队首节点出队
	遍历队首节点的所有邻接点:
		if 队首节点的邻接点未被访问:
			访问它,标记访问,并入队
end

我的代码是:

bool visited[MAXNUM];
void BFS(AMGraph G,int d){
    queue<int>myq;memset(visited,false,sizeof(visited));
    cout<<d<<endl;  //先访问初始节点
    visited[d] = true; //标记初始节点已经被访问了
    myq.push(d);    //初始节点进队
    while(!myq.empty()){    //当队列非空的时候
        int x = myq.front();
        myq.pop();      //队首节点出队
        for(ArcNode *p = G.vercies[x].firstarc;p!=NULL;p=p->nextarc){  //当队列非空时
            if(!visited[p->adjvex]){    //依次遍历所有邻接点
                //若未被访问过,则访问这个点,并且标记访问过,并且入队
                cout<<p->adjvex<<endl;
                visited[p->adjvex] = true;
                myq.push(p->adjvex);
            }
        }
    }
}

测试样例:
在这里插入图片描述
在这里插入图片描述
所有代码如下:

#include <iostream>
#include<stdio.h>
#include<stdlib.h>
#include<stack>
#include<queue>
#include<string.h>
using namespace std;
#define MAXNUM 200
typedef struct ArcNode {
    int adjvex;
    struct ArcNode * nextarc;
}ArcNode;
typedef struct VNode{
    int data;
    struct ArcNode * firstarc;
}VNode,AdjList[MAXNUM];
typedef struct {
    AdjList vercies;
    int arcnum;
    int vexnum;
}AMGraph;
void create_AMGraph(AMGraph &G){
    cin>>G.vexnum>>G.arcnum;     //输入顶点个数和边的个数

    for(int i=0;i<G.vexnum;i++){   //初始化邻接表
        G.vercies[i].data = i;
        G.vercies[i].firstarc = NULL;
    }

    int x,y;
    for(int i=0;i<G.arcnum;i++){   //建立邻接表 x-y   y-x
        cin>>x>>y;
        ArcNode * p = new ArcNode;
        p->adjvex = x;
        p->nextarc = G.vercies[y].firstarc;
        G.vercies[y].firstarc = p;

        ArcNode *q = new ArcNode;
        q->adjvex = y;
        q->nextarc = G.vercies[x].firstarc;
        G.vercies[x].firstarc = q;
    }
    return;
}
bool visited[MAXNUM];
void DFS(AMGraph G,int d){
    stack<int>mys;
    mys.push(d);
    while(!mys.empty()){  //当站栈非空的时候
        int x = mys.top();
        mys.pop();
        if(!visited[x]){
            cout<<x<<endl;//访问这个顶点
            visited[x] = true;//标记这个顶点被访问过了
            for(ArcNode *p=G.vercies[x].firstarc;p!=NULL;p=p->nextarc){
                if(!visited[p->adjvex])
                    mys.push(p->adjvex);
            }
        }
    }

}
void BFS(AMGraph G,int d){
    queue<int>myq;
    cout<<d<<endl;  //先访问初始节点
    visited[d] = true; //标记初始节点已经被访问了
    myq.push(d);    //初始节点进队
    while(!myq.empty()){    //当队列非空的时候
        int x = myq.front();
        myq.pop();      //队首节点出队
        for(ArcNode *p = G.vercies[x].firstarc;p!=NULL;p=p->nextarc){  //当队列非空时
            if(!visited[p->adjvex]){    //依次遍历所有邻接点
                //若未被访问过,则访问这个点,并且标记访问过,并且入队
                cout<<p->adjvex<<endl;
                visited[p->adjvex] = true;
                myq.push(p->adjvex);
            }
        }
    }
}
int main()
{
    AMGraph G;
    create_AMGraph(G);
    int d;cin>>d;
    for(int i=0;i<G.vexnum;i++){
       cout<<i<<":";
       for(ArcNode *p=G.vercies[i].firstarc;p!=NULL;p=p->nextarc){
            cout<<p->adjvex<<" ";
       }
       cout<<endl;
    }
    memset(visited,false,sizeof(visited));
    DFS(G,d);//BFS(G,d);
    return 0;
}

数据结构-图的深度优先搜索和广度优先搜索(邻接表实现) 数据结构-图的深度优先搜索和广度优先搜索(邻接表实现) 无需过分关注代码本身,核心在于代码的设计思路 深度优先搜索 利用递归算法实现,代码设计思路就是 : 矩阵有两个for循环,临接表一个for循环对顶点表进行循环遍历加上一个while(p)与p=p->next,利用指针变量拿到该顶点->firstedge域(edgenode类型),再利用该指针变量->adjvex拿到该顶点相关... 阅读详情

相关推荐

文献计量VOSviewer分析知网文献基本操作及实用技巧

本教程旨在为读者提供一个关于VOS viewer的初级使用指南。VOS viewer是一个强大的科学研究可视化工具,主要用于构建和可视化科学地图。它能够处理大规模的科研数据,包括文献引用、共引、共词、共作者等信息。无论你是科研人员,还是数据分析师,甚至是研究生,都能在这个教程中找到使用VOS viewer的有效方法。我们将一步步教你如何使用这个软件,以及如何利用它进行科研数据的可视化。

Jia_n的博客 8773

数据结构——广度优先搜索

广度优先搜索(Breadth-First Search,简称BFS)是一种用于图和树等数据结构的遍历算法。它从根节点(或起始节点)开始,首先访问根节点,然后逐层遍历子节点,直到遍历完所有节点为止。BFS通常使用队列数据结构来实现。

weixin_43945471的博客 2149

同花顺自动化交易避坑指南:pywinauto实战中验证码识别与界面弹窗处理

本文深入探讨同花顺自动化交易中的关键稳定性问题,重点解决验证码识别与弹窗处理两大难题。通过优化Tesseract OCR、整合打码平台API以及设计pywinauto弹窗监控体系,提供了一套完整的自动化交易解决方案,帮助交易者有效规避资金账户和持仓信息操作中的常见陷阱。

weixin_33734785的博客 490

数据结构题目收录(十)

数据结构题目收录

星霖的博客 1449

Python爬虫案例:从39问医生网爬取口腔科的在线问答记录(单轮问答)

本次实验爬取39问医生网中口腔科分类下的所有在线单轮问答记录,每页32条,共100页,总数据量为3200条,最终结果以excel格式保存。

JieBao11的博客 1646

Box2D-Lite源码阅读笔记(2)

0.初始化函数 static void InitDemo(int index) { world.Clear(); numBodies = 0; numJoints = 0; bomb = NULL; demoIndex = index; demos[index](bodies, joints); } 在这个初始化函数中,一般会默认执行index=0的函数,这个函数就是一个示例,因为示例比较简单,所以也便于研究,示例效果如下。 就是一个方块。 进入第一个示例函数。(忽略我加的注释)

ARTELE的博客 977

数据结构—图的广度优先搜索

图的存储及基本操作

Miss Z的博客 1694

给麒麟KylinOS服务器加把锁:手把手配置符合等保要求的密码强度策略

本文详细介绍了如何在麒麟KylinOS服务器上配置符合等保要求的密码强度策略,包括pwquality.conf和login.defs的核心参数设置、等保合规的进阶配置技巧以及企业环境中的平衡艺术。通过实战案例和测试方法,帮助管理员构建坚固的密码防线,确保系统安全。

weixin_33749242的博客 420

图的广度优先遍历

图的bfs和树的bfs类似。与树不同图可能包含环,所以可能再次访问同一顶点。为了避免访问同一顶点多次,我们用一个布尔数组标志顶点是否被访问过。为了简化,我们假定从起始顶点可达所有顶点。 如下图,我们从顶点2开始遍历。当我们遍历到顶点0,查找他的所有相邻顶点。2也是0的一个相邻顶点。如果不标记访问过得顶点,那么顶点2将被再次处理,遍历将变得不可终止。下图的广度优先遍历的结果为2,0,3,1。 下面是广度优先遍历的一个简单实现。图用邻接表表示。List用来存储相邻节点,广度优先遍历需要一个队列。 packag

jiutianmuzi的博客 1025

嵌入式开发中Tab与空格混用的危害与统一规范实践

在软件工程中,代码格式一致性是保障可读性与团队协作效率的基础。从原理上看,制表符(Tab)与空格(Space)在存储与显示机制上存在本质差异:Tab是控制字符,其显示宽度取决于编辑器设置;空格则是固定宽度的字符。这种差异导致混用时会引发代码对齐错乱、版本控制冲突及跨平台兼容性问题,严重影响工程的可维护性。尤其在嵌入式开发领域,资源受限环境与高可靠性要求使得统一的编码规范更为关键。通过配置编辑器、集成clang-format等自动化工具,可以强制实现缩进风格的一致性,从而提升代码质量与团队协作效率。本文聚焦于

weixin_42545636的博客 278

uni-app - 最详细 H5 网页接入微信登录功能,提供公众号配置与详细注释示例代码(移动端网页实现点击登录按钮后 调用微信公众号授权登录功能 详细讲解接入流程与详细示例代码)官方最新超级详细教程

uniapp中H5微信登录,uniapp H5微信授权登录,微信公众号第三方网页(H5)授权登录(OAuth2.0)流程及逻辑详细教程,UNIAPP 开发H5 怎么实现微信公众号登录功能,uniapp如何实现H5网页的公众号微信登录,怎么做uniapp微信登录,uniapp h5项目怎么实现微信登录的功能,uniapp微信浏览器H5授权微信登录,UniApp开发H5接入微信登录的全过程,uniapp的H5页面使用微信登录,uniapp H5微信授权登录,H5之微信授权登陆 (uniapp网页版微信授权登录)

🏆 前端领域优质创作者 7410

计算机软件技术基础考前整理

第一章 1.什么是信息,信息和数据的区别和联系在何处? 信息是经过加工、具有一定含义的且对决策有价值的数据。 信息与数据的关系 信息是有一定含义的数据 信息是经过加工(处理)后的数据 信息是对决策有价值的数据 2.信息有哪些基本属性 事实性 等级性 可压缩性 可扩散性 可传输性 共享性 增值性与再生性 转换性 3.什么是计算机硬件,什么是计算机软件 计算机硬件(HardWare) 是...

qq_41262681的博客 5847

Lumerical 教程,包含作者个人理解及相关设计案例 (目前共计184篇,持续更新中)

4138。

u011699626的博客 1636

图——深度优先搜索和广度优先搜索

目录图的深度优先搜索图的广度优先搜索 图的实现方式主要用到矩阵或链表,这里用的矩阵; 图的深度优先搜索就是一条路径一条路径的往完了走,需要用到栈;而广度优先搜索就是一层一层的搜索,需要用到队列; 这个是两种遍历方式都会用到的表示图节点的代码: /** * @ClassName Node * @Description 图节点 * @Author lzq * @Date 2019/6/19 0...

中都 793

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

图的遍历之深度优先搜索和广度优先搜索

深度优先搜索的图文介绍 1. 深度优先搜索介绍 图的深度优先搜索(Depth First Search),和树的先序遍历比较类似。 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。 若此时尚有其他顶点未被访问到,则另选一个未被访问的顶点作起始点,重复上述过程,直...

cowbin2012的专栏 1万+

廖雪峰Python教程[完整版]

廖雪峰的python教程整理的,已经排好版了,而且还是完整的,适合小白

图的遍历—深度优先搜索和广度优先搜索

DFS和BFS

2401_83624776的博客 1847

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

图的遍历——广度优先搜索和深度优先搜索

前置知识:图的相关术语和图的表示 图的遍历 和树数据结构类似,我们可以访问图的所有节点。由两种算法可以对图进行遍历:广度优先搜索(breadth-first search,BFS)和深度优先搜索(depth-first search,DFS)。图遍历可以用来寻找特定的顶点或寻找两个顶点之间的路径,检查路径是否相同,检查图是否有环,等等。 在实现算法之前,让我们来更好的理解一下图遍历的思想。 图遍历算法的思想是必须追踪每个第一次访问的节点,并且追踪有哪些节点还没有完全被探索,对于两种图遍历算法,都需要明确指.

pastelsubliminal的博客 2228

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+

图的深度优先搜索和广度优先搜索的总结

昨天让这两个搜索算法搞的萎靡不振的,今天重新来

zhaoxiaoyao1987的专栏 1044

用邻接矩阵表示图并实现图的广度优先搜索和深度优先搜索

直接上源代码: tu.h文件 typedef enum{FALSE,TRUE} Boolean; Boolean visited[Max_Vertex_Num]; typedef struct { int vexs[Max_Vertex_Num]; //顶点表 int edges[Max_Vertex_Num][Max_Vertex_Num]; //

1246

图的遍历(深度优先搜索和广度优先搜索)

图的遍历----->深度优先搜索和广度优先搜索 一、图的遍历 与树的遍历操作类同,图的遍历操作的定义是,访问途中的每个顶点且每个顶点之北访问一次。图的遍历方法有两种:一种是深度优先遍历,另一种是广度优先遍历。图的深度优先遍历类似于树的先根遍历,图的广度优先遍历类同于树的层序遍历。 图的遍历需要考虑的三个问题: (1)图的特点是没有首尾之分,所以算法的参数要指定访问的第一个顶点。 (2)因为对...

冲出仁川,走出马德里,故事还会再继续 1353

JAVA实现图的深度优先搜索和广度优先搜索

深度优先搜索介绍 图的深度优先搜索(Depth First Search),和树的先序遍历比较类似。 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。 若此时尚有其他顶点未被访问到,则另选一个未被访问的顶点作起始点,重复上述过程,直至图中所有顶点都被

Akaks的博客 1024

图的遍历之 深度优先搜索和广度优先搜索

深度优先搜索的图文介绍 1. 深度优先搜索介绍 图的深度优先搜索(Depth First Search),和树的先序遍历比较类似。 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。 若此时尚有其他顶点未被访问到,则另选一个未被访问的顶点作起始点

I_love_blog的博客 464
上一篇: 蓝桥杯省赛训练营——栈与递归
下一篇: Windows10下Anaconda环境的安装与配置
practical_sharp
博客等级 码龄8年 500粉丝 148原创
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