介绍:
深度优先搜索是一种递归的搜索算法,其主要思想是尽可能深地搜索一个分支,直到无法继续下去,然后回溯到前一个节点,再继续搜索其他分支。
广度优先搜索是一种迭代的搜索算法,其主要思想是从起始节点开始,逐层遍历相邻节点,直到找到目标节点或遍历完整个图。
属性介绍:
ArrayList<String> vertexList 储存每个节点的名字
int[][] edges 储存图的邻结矩阵
boolean[] isVisited; 记录某个节点是否已被访问
深度优先算法(dfs):
图解:由1出发先到节点2(因为是以12345678存数据)然后先到节点4然后先到节点8,然后节点8会得到他的临结节点4,但是已经被访问,所以会再找到没被访问的5,然后5的临结节点都被访问过了,最后回溯8 4 2都没有属于他们的临结节点,因为2的临结节点5已被访问。得到1-2-4-8-5
当回溯到1,则可以到节点3,然后先到节点6,节点6会先找到临结节点3,但是已经被访问,所以会找节点7且访问,最后节点7的临结节点3和6已经被访问了,所以开始回溯6 3 1,6 3 1都没有其它未被访问的临结节点,线程结束。得到3-6-7
结合后1-2-4-8-5-3-6-7![a5c0e4f6bf2c4bc886694c5cb331b12d.jpg](https://i-blog.csdnimg.cn/blog_migrate/5f9a332ad352d5dd93d8b669d1dd664d.jpg)
步骤:
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
然后再次判断是否被访问(87行代码),如果得到邻结c是未访问则递归传入节点c,重复进行②③的步骤。
-
总结:
- 假设初始状态是图中所有顶点均未被访问
- 从某个顶点出发,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访问到为止。
广度优先算法(bfs):
类似于一个分层搜索的过程,广度优先遍历需要使用一个队列以保持访问过的结点的顺序,以便按这个顺序来 访问这些结点的邻接结点。
图解:
从节点1开始,然后会找到2和3。
通过2开始找到4和5。
通过3开始找到6和7。
通过4开始找到8。
通过5找到8但是已经被访问
结合后:12345678
ps:2和3都是1的下一层,属于同一层,所以先后输出。 123
4和5属于2的下一层 123+45
6和7属于3的下一层 12345 + 67
8是4和5的下一层,所以是最后输出 1234567+8
步骤:
这个内容由于韩顺平老师的步骤更清晰易懂,我也没什么卡壳的地方,所以就直接粘贴上韩顺平老师的步骤大家一起学习
1) 访问初始结点 v 并标记结点 v 为已访问。 2) 结点 v 入队列 3) 当队列非空时,继续执行,否则算法结束。 4) 出队列,取得队头结点 u。 5) 查找结点 u 的第一个邻接结点 w。6 6) 若结点 u 的邻接结点 w 不存在,则转到步骤 3;否则循环执行以下三个步骤: 6.1 若结点 w 尚未被访问,则访问结点 w 并标记为已访问。 6.2 结点 w 入队列 6.3 查找结点 u 的继 w 邻接结点后的下一个邻接结点 w,转到步骤 6
运行代码:
package ysh.Graph;
import java.util.ArrayList;
import java.util.Arrays;
import java.util.LinkedList;
public class GraphDemo {
private ArrayList<String> vertexList; //存储顶点集合
private int[][] edges; //存储图对应的邻结矩阵
//定义给数组 boolean[], 记录某个结点是否被访问
private boolean[] isVisited;
public static void main(String[] args) {
String Vertexs[] = {"1", "2", "3", "4", "5", "6", "7", "8"};
int n = Vertexs.length; //结点的个数
//创建图对象
GraphDemo graph = new GraphDemo(n);
//循环的添加顶点
for(String vertex: Vertexs) {
graph.insertVertex(vertex);
}
//边的关系
graph.insertEdge(0, 1, 1);
graph.insertEdge(0, 2, 1);
graph.insertEdge(1, 3, 1);
graph.insertEdge(1, 4, 1);
graph.insertEdge(3, 7, 1);
graph.insertEdge(4, 7, 1);
graph.insertEdge(2, 5, 1);
graph.insertEdge(2, 6, 1);
graph.insertEdge(5, 6, 1);
//显示邻结矩阵
graph.showGraph();
try {
Thread.sleep(10);
} catch (InterruptedException e) {
}
System.out.println("深度遍历");
graph.dfs(); // A->B->C->D->E [1->2->4->8->5->3->6->7]
System.out.println();
System.out.println("广度优先!");
graph.bfs(); // A->B->C->D-E [1->2->3->4->5->6->7->8]
}
//构造器
public GraphDemo(int n) {
//初始化矩阵和 vertexList
edges = new int[n][n];
vertexList = new ArrayList<String>(n);
}
//得到第一个邻接结点的下标 w
/**
*
* @param index
* @return 如果存在就返回对应的下标,否则返回-1
*/
public int getFirstNeighbor(int index) {
for(int j = 0; j < vertexList.size(); j++) {
if(edges[index][j] > 0) {
return j;
}
}
return -1;
}
//根据前一个邻接结点的下标来获取下一个邻接结点
public int getNextNeighbor(int v1, int v2) {
for(int j = v2 + 1; j < vertexList.size(); j++) {
if(edges[v1][j] > 0) {
return j;
}
}
return -1;
}
//深度优先遍历算法
//i 第一次就是 0
private void dfs(boolean[] isVisited, int i) {
System.out.print(vertexList.get(i));
isVisited[i]=true;
int w=getFirstNeighbor(i);
while(w!=-1){
//找到了第一个点
if(!isVisited[w]){
dfs(isVisited,w);
}
w=getNextNeighbor(i,w);
}
}
//对 dfs 进行一个重载, 遍历我们所有的结点,并进行 dfs
public void dfs() {
isVisited=new boolean[vertexList.size()];
for(int i=0;i<isVisited.length;i++){
if(!isVisited[i]){
dfs(isVisited,i);
}
}
}
/**
* 广度优先遍历算法步骤
* 1) 访问初始结点 v 并标记结点 v 为已访问。
* 2) 结点 v 入队列
* 3) 当队列非空时,继续执行,否则算法结束。
* 4) 出队列,取得队头结点 u。
* 5) 查找结点 u 的第一个邻接结点 w。
* 6) 若结点 u 的邻接结点 w 不存在,则转到步骤 3;否则循环执行以下三个步骤:
* 6.1 若结点 w 尚未被访问,则访问结点 w 并标记为已访问。
* 6.2 结点 w 入队列
* 6.3 查找结点 u 的继 w 邻接结点后的下一个邻接结点 w,转到步骤 6
*/
private void bfs(boolean[] isVisited, int i) {
int u ; // 表示队列的头结点对应下标
int w ; // 邻接结点 w
LinkedList queue = new LinkedList();
//访问初始结点 v 并标记结点 v 为已访问。结点 v 入队列
System.out.print(vertexList.get(i));
isVisited[i] = true;
queue.addLast(i);
while(queue.size()>0){//当队列非空时,继续执行,否则算法结束。
//出队列,取得队头结点 u。
u=(Integer)queue.removeFirst();
//查找结点 u 的第一个邻接结点 w。
w=getFirstNeighbor(u);
while(w!=-1){//若结点 u 的邻接结点 w 不存在,则转到步骤 3(上面那个while)
if(!isVisited[w]){
//6.1 若结点 w 尚未被访问,则访问结点 w 并标记为已访问。
//6.2 结点 w 入队列
System.out.print(vertexList.get(w));
isVisited[w]=true;
queue.add(w);
}
//查找结点 u 的继 w 邻接结点后的下一个邻接结点 w,转到步骤 6
w=getNextNeighbor(u,w);
}
}
}
//遍历所有的结点,都进行广度优先搜索
public void bfs() {
isVisited=new boolean[vertexList.size()];
for(int i=0;i<vertexList.size();i++){
if(!isVisited[i]){
bfs(isVisited,i);
}
}
}
//图中常用的方法
//返回结点的个数
public int getNumOfVertex() {
return vertexList.size();
}
//显示图对应的矩阵
public void showGraph() {
for(int[] link : edges) {
System.err.println(Arrays.toString(link));
}
}
//返回结点 i(下标)对应的数据 0->"A" 1->"B" 2->"C"
public String getValueByIndex(int i) {
return vertexList.get(i);
}
//插入结点
public void insertVertex(String vertex) {
vertexList.add(vertex);
}
//添加边
/**
*
* @param v1 表示点的下标即使第几个顶点 "A"-"B" "A"->0 "B"->1
* @param v2 第二个顶点对应的下标
* @param weight 表示
*/
public void insertEdge(int v1, int v2, int weight) {
edges[v1][v2] = weight;
edges[v2][v1] = weight;
}
}