算法:深度优先算法和广度优先算法

lmuy5797 8年前
   <h2>1.写在前面</h2>    <p>图的存储结构有两种:一种是基于二维数组的邻接矩阵表示法。</p>    <p>另一种是基于链表的的邻接表。</p>    <p>在邻接矩阵中,可以如下表示顶点和边连接关系:</p>    <p><img src="https://simg.open-open.com/show/7407186de745f2fe5a406a3a8c66f9e8.png"> <img src="https://simg.open-open.com/show/09288e37de149579b588ee0e24c6c865.png"></p>    <p>说明:</p>    <p>将顶点对应为下标,根据横纵坐标将矩阵中的某一位置值设为1,表示两个顶点向联接。</p>    <p>图示表示的是 <strong> 无向图的邻接矩阵 </strong> ,从中我们可以发现它们的 <strong> 分布关于斜对角线对称 </strong> 。</p>    <p>我们在下面将要讨论的是下图的两种遍历方法(基于矩阵的):</p>    <p><img src="https://simg.open-open.com/show/25479ad37123d052c6fd6fb0a0706e13.png"> <img src="https://simg.open-open.com/show/4d2fa9601a8c74f692a3ac27c89ecdbe.png"></p>    <p>我们已经说明了我们要用到的是邻接矩阵表示法,那么我首先要来构造图:</p>    <p>矩阵图的数据结构如下表示:</p>    <pre>  <code class="language-java">#define MaxVnum 50  typedef double AdjMatrix[MaxVnum][MaxVnum];   //表示一个矩阵,用来存储顶点和边连接关系  typedef struct {      int vexnum,arcnum;                                                         //顶点的个数,边的个数      AdjMatrix arcs;                                                                 //图的邻接矩阵  }Graph;  </code></pre>    <p>这样我们可以首先来创建上述图,为了方便,我们直接在代码中书写矩阵,而不用每次调试手动输入了</p>    <pre>  <code class="language-java">void CreateGraph(Graph &G)  {      G.vexnum=8;      G.arcnum=9;      G.arcs[0][1]=1;      G.arcs[0][2]=1;      G.arcs[1][3]=1;      G.arcs[1][4]=1;      G.arcs[2][5]=1;      G.arcs[2][6]=1;      G.arcs[3][1]=1;      G.arcs[3][7]=1;      G.arcs[3][6]=1;      G.arcs[4][1]=1;      G.arcs[4][7]=1;      G.arcs[5][2]=1;      G.arcs[5][6]=1;      G.arcs[5][5]=1;      G.arcs[6][2]=1;      G.arcs[6][5]=1;      G.arcs[7][3]=1;      G.arcs[7][4]=1;  }  </code></pre>    <p>这样我们就已经完成了准备工作,我们可以正式来学习我们的两种遍历方式了。</p>    <h2>2.深度优先遍历算法</h2>    <h3>分析深度优先遍历</h3>    <p>从图的某个顶点出发, <strong> 访问图中的所有顶点 </strong> , <strong> 且使每个顶点仅被访问一次 </strong> 。这一过程叫做图的遍历。</p>    <p>深度优先搜索的思想:</p>    <p>①访问顶点v;</p>    <p>②依次从v的未被访问的邻接点出发,对图进行深度优先遍历;直至图中和v有路径相通的顶点都被访问;</p>    <p>③若此时图中尚有顶点未被访问,则从一个未被访问的顶点出发,重新进行深度优先遍历,直到图中所有顶点均被访问过为止。</p>    <p>比如:</p>    <p><img src="https://simg.open-open.com/show/2d5bf2405eefd99957368d9864dc6677.png"></p>    <p>在这里为了区分已经访问过的节点和没有访问过的节点,我们引入一个一维数组 bool visited[MaxVnum] 用来表示与下标对应的顶点是否被访问过,</p>    <p>流程:</p>    <p>☐ 首先输出 V1,标记V1的flag=true;</p>    <p>☐ 获得V1的邻接边 [V2 V3],取出V2,标记V2的flag=true;</p>    <p>☐ 获得V2的邻接边[V1 V4 V5],过滤掉已经flag的,取出V4,标记V4的flag=true;</p>    <p>☐ 获得V4的邻接边[V2 V8],过滤掉已经flag的,取出V8,标记V8的flag=true;</p>    <p>☐ 获得V8的邻接边[V4 V5],过滤掉已经flag的,取出V5,标记V5的flag=true;</p>    <p>☐ 此时发现V5的所有邻接边都已经被flag了,所以需要回溯。(左边黑色虚线,回溯到V1,回溯就是下层递归结束往回返)</p>    <p>☐ <img src="https://simg.open-open.com/show/561d3a919992409e5cf11bacb844b671.png"></p>    <p>☐ 回溯到V1,在前面取出的是V2,现在取出V3,标记V3的flag=true;</p>    <p>☐ 获得V3的邻接边[V1 V6 V7],过滤掉已经flag的,取出V6,标记V6的flag=true;</p>    <p>☐ 获得V6的邻接边[V3 V7],过滤掉已经flag的,取出V7,标记V7的flag=true;</p>    <p>☐ 此时发现V7的所有邻接边都已经被flag了,所以需要回溯。(右边黑色虚线,回溯到V1,回溯就是下层递归结束往回返)</p>    <h3>深度优先搜索的代码</h3>    <pre>  <code class="language-java">bool visited[MaxVnum];  void DFS(Graph G,int v)  {      visited[v]= true; //从V开始访问,flag它      printf("%d",v);    //打印出V      for(int j=0;j<G.vexnum;j++)           if(G.arcs[v][j]==1&&visited[j]== false) //这里可以获得V未访问过的邻接点              DFS(G,j); //递归调用,如果所有节点都被访问过,就回溯,而不再调用这里的DFS  }    void DFSTraverse(Graph G) {      for (int v = 0; v < G.vexnum; v++)          visited[v] = false; //刚开始都没有被访问过        for (int v = 0; v < G.vexnum; ++v)          if (visited[v] == false) //从没有访问过的第一个元素来遍历图              DFS(G, v);  }  </code></pre>    <h2>3.广度优先搜索算法</h2>    <h3>分析广度优先遍历</h3>    <p>所谓广度,就是 <strong> 一层一层的,向下遍历,层层堵截 </strong> ,还是这幅图,我们如果要是广度优先遍历的话,我们的结果是V1 V2 V3 V4 V5 V6 V7 V8。</p>    <p><img alt="算法:深度优先算法和广度优先算法" src="https://simg.open-open.com/show/307cc4e9bc83060f557bacd412fcb7df.png"></p>    <p>广度优先搜索的思想:</p>    <p>① 访问顶点vi ;</p>    <p>② 访问vi 的所有未被访问的邻接点w1 ,w2 , …wk ;</p>    <p>③ 依次从这些邻接点(在步骤②中访问的顶点)出发,访问它们的所有未被访问的邻接点; 依此类推,直到图中所有访问过的顶点的邻接点都被访问;</p>    <p>说明:</p>    <p>为实现③,需要保存在步骤②中访问的顶点,而且访问这些顶点的邻接点的顺序为:先保存的顶点,其邻接点先被访问。 这里我们就想到了用标准模板库中的queue队列来实现这种先进现出的服务。</p>    <p>老规矩我们还是走一边流程:</p>    <p>说明:</p>    <p>☐将V1加入队列,取出V1,并标记为true(即已经访问),将其邻接点加进入队列,则 <—[V2 V3]</p>    <p>☐取出V2,并标记为true(即已经访问),将其未访问过的邻接点加进入队列,则 <—[V3 V4 V5]</p>    <p>☐取出V3,并标记为true(即已经访问),将其未访问过的邻接点加进入队列,则 <—[V4 V5 V6 V7]</p>    <p>☐取出V4,并标记为true(即已经访问),将其未访问过的邻接点加进入队列,则 <—[V5 V6 V7 V8]</p>    <p>☐取出V5,并标记为true(即已经访问),因为其邻接点已经加入队列,则 <—[V6 V7 V8]</p>    <p>☐取出V6,并标记为true(即已经访问),将其未访问过的邻接点加进入队列,则 <—[V7 V8]</p>    <p>☐取出V7,并标记为true(即已经访问),将其未访问过的邻接点加进入队列,则 <—[V8]</p>    <p>☐取出V8,并标记为true(即已经访问),将其未访问过的邻接点加进入队列,则 <—[]</p>    <h3>广度优先搜索的代码</h3>    <pre>  <code class="language-java">#include <queue>  using namespace std;  ....  void BFSTraverse(Graph G)  {      for (int v=0;v<G.vexnum;v++) //先将其所有顶点都设为未访问状态          visited[v]=false;      queue<int> Q;      for(int v=0;v<G.vexnum;v++)          {          if(visited[v]==false)   //若该点没有访问          {              Q.push(v);                //将其加入到队列中              visited[v]=true;              while (!Q.empty())        //只要队列不空,遍历就没有结束              {                  int t =Q.front();        //取出对头元素                  Q.pop();                  printf(" %d ",t+1);                    for(int j=0;j<G.vexnum;j++) //将其未访问过的邻接点加进入队列                      if(G.arcs[t][j]==1&&visited[j]== false)                      {                          Q.push(j);                          visited[j]=true; //在这里要设置true,因为这里该顶点我们已经加入到了队列,为了防止重复加入!                      }              }          }      }  }  </code></pre>    <h2>两种算法的复杂度分析</h2>    <p>深度优先</p>    <p>数组表示:查找所有顶点的所有邻接点所需时间为O(n <sup>2</sup> ),n为顶点数,算法时间复杂度为O(n <sup>2</sup> )</p>    <p>广度优先</p>    <p>数组表示:查找每个顶点的邻接点所需时间为O(n <sup>2</sup> ),n为顶点数,算法的时间复杂度为O(n <sup>2</sup> )</p>    <p> </p>    <p>来自:http://www.cnblogs.com/MrSaver/p/6241721.html</p>    <p> </p>