图的搜索算法javascript

搜索就是从一个指定的点开始找到其他节点。图的搜索基本上分为深度优先搜索和广度优先搜索。先来说说深度优先搜索。

        深度优先搜索包括从一条路径的起始顶点开始追溯,直到到达最后一个顶点,然后回溯,继续追溯下一条路径,直到到达最后的顶点,如此往复,直到没有路径为止。如下图所示:


算法的思路就是访问一个没有访问过的点,将它标记为已访问,再递归去访问在初始顶点的邻接表中其他没有访问过的点。

代码如下:

function dfs(v){//深度优先搜索
		this.marked[v]=true;//将标识位设为已访问
		if(this.adj[v]!=null){//如果有相邻节点
			document.write('访问节点:'+v+'<br>');
		}
		var len=this.adj[v].length;
		for(var i=0;i<len;i++){
			var w=this.adj[v];//将所选节点对应路径一条条搜索下去
			for(var j=0;j<w.length;j++)
			if(!this.marked[w[j]]){//对应一个路径一次搜索到底
				this.dfs(w[j]);
			}
		}
	}

实验代码如下:

//实验
	g=new Graph(5);
	g.addEdge(0,1);
	g.addEdge(0,2);
	g.addEdge(1,3);
	g.addEdge(2,4);
	g.showGraph();
g.dfs(1);

实验结果为:

    //  0-> 1 2

    //  1-> 0 3

    //  2-> 0 4

    //  3-> 1

    //  4-> 2

    //  访问节点:1

    //  访问节点:0

    //  访问节点:2

    //  访问节点:4

    //  访问节点:3

  

深度优先搜索的时间复杂度为O(n+e)

再来说说广度优先搜索,就是从第一个顶点开始,尝试访问尽可能靠近它的顶点。先把同层的搜索完再逐渐向下搜索。过程如下图:



算法的思想如下:

首先找到与当前顶点相邻的未访问顶点,将其添加到已访问顶点列表及队列中;

从图中取出下一个顶点v,添加到已访问的顶点列表中;

将所有和v相邻的未访问顶点添加到队列。

代码如下:

function bfs(s){//广度优先搜索
		for(var i=0;i<this.vertices;i++){//由于先进行深度优先搜索,所以这里要将标识位重置
			this.marked[i]=false;
		}
		var queue=[];
		this.marked[s]=true;
		queue.push(s);
		while(queue.length>0){
			var v=queue.shift();
			if(v!=undefined){
				document.write("访问节点:"+v+'<br>');	
			}
			for(var i=0;i<this.adj[v].length;i++){
				var w=this.adj[v];//找到所选节点的相邻子列表
				for(var j=0;j<w.length;j++){
					if(!this.marked[w[j]]){
						this.marked[w[j]]=true;//依次访问其相邻子列表
						queue.push(w[j]);//将子列表推送入队列
					}
				}
			}
		}
}

实验代码如下:

//实验
	g=new Graph(5);
	g.addEdge(0,1);
	g.addEdge(0,2);
	g.addEdge(1,3);
	g.addEdge(2,4);
	g.showGraph();
	g.dfs(1);
	g.bfs(1);
	//结果
	//	0-> 1 2 
	//	1-> 0 3 
	//	2-> 0 4 
	//	3-> 1 
	//	4-> 2 
	//	访问节点:1
	//	访问节点:0
	//	访问节点:2
	//	访问节点:4
	//	访问节点:3
	
	//	访问节点:1
	//	访问节点:0
	//	访问节点:3
	//	访问节点:2
	//	访问节点:4

广度优先搜索的时间复杂度和深度优先搜索一样,都是O(n+e),两者不同之处仅仅在于对顶点访问的顺序不同。

        图的表示和搜索的完整代码如下:

<!DOCTYPE html>
<html>
	<head>
		<meta charset="utf-8">
		<title></title>
	</head>
	<body>
<script type="text/javascript">
//	function Vertex(label){
//		this.label=label;
//	}
	function Graph(v){//图类
		this.vertices=v;//结点数
		this.edges=0;//边数
		this.adj=[];//数组存放顶点数量
		for(var i=0;i<this.vertices;i++){
			this.adj[i]=[];//子数组存储相邻顶点
		}
		this.addEdge=addEdge;//添加边
		this.showGraph=showGraph;//显示图
		this.dfs=dfs;//深度优先搜索
		this.bfs=bfs;//广度优先搜索
		this.marked=[];//标识位数组
		for(var i=0;i<this.vertices;i++){//给所有结点添加未访问过的标识位
			this.marked[i]=false;
		}
	}
	function addEdge(v,w){//添加边
		this.adj[v].push(w);//将w添加到v的相邻顶点列表
		this.adj[w].push(v);//将v添加到w的相邻顶点列表
		this.edges++;//边数加一
	}
	function showGraph(){//显示图
		for(var i=0;i<this.vertices;i++){
			document.write(i+"->");
			for(var j=0;j<this.vertices;j++){
				if(this.adj[i][j]!=undefined){//显示和该结点相邻的结点
					document.write(this.adj[i][j]+" ");
				}
			}
			document.write("<br>");
		}
	}
	function dfs(v){//深度优先搜索
		this.marked[v]=true;//将标识位设为已访问
		if(this.adj[v]!=null){//如果有相邻节点
			document.write('访问节点:'+v+'<br>');
		}
		var len=this.adj[v].length;
		for(var i=0;i<len;i++){
			var w=this.adj[v];//将所选节点对应路径一条条搜索下去
			for(var j=0;j<w.length;j++)
			if(!this.marked[w[j]]){//对应一个路径一次搜索到底
				this.dfs(w[j]);
			}
		}
	}
	function bfs(s){//广度优先搜索
		for(var i=0;i<this.vertices;i++){//由于先进行深度优先搜索,所以这里要将标识位重置
			this.marked[i]=false;
		}
		var queue=[];
		this.marked[s]=true;
		queue.push(s);
		while(queue.length>0){
			var v=queue.shift();
			if(v!=undefined){
				document.write("访问节点:"+v+'<br>');	
			}
			for(var i=0;i<this.adj[v].length;i++){
				var w=this.adj[v];//找到所选节点的相邻子列表
				for(var j=0;j<w.length;j++){
					if(!this.marked[w[j]]){
						this.marked[w[j]]=true;//依次访问其相邻子列表
						queue.push(w[j]);//将子列表推送入队列
					}
				}
			}
		}
	}
	//实验
	g=new Graph(5);
	g.addEdge(0,1);
	g.addEdge(0,2);
	g.addEdge(1,3);
	g.addEdge(2,4);
	g.showGraph();
	g.dfs(1);
	g.bfs(1);
	//结果
	//	0-> 1 2 
	//	1-> 0 3 
	//	2-> 0 4 
	//	3-> 1 
	//	4-> 2 
	//	访问节点:1
	//	访问节点:0
	//	访问节点:2
	//	访问节点:4
	//	访问节点:3
	
	//	访问节点:1
	//	访问节点:0
	//	访问节点:3
	//	访问节点:2
	//	访问节点:4
</script>
	</body>
</html>




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

打赏作者

布瑞泽的童话

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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