图的遍历：BFS和DFS

前言

图是一种灵活的数据结构，一般作为一种模型用来定义对象之间的关系或联系。对象由顶点（V）表示，而对象之间的关系或者关联则通过图的边（E）来表示。
图可以分为有向图和无向图，一般用G=(V,E)来表示图。经常用邻接矩阵或者邻接表来描述一副图。
在图的基本算法中，最初需要接触的就是图的遍历算法。

根据访问节点的顺序，可分为广度优先搜索（BFS）和深度优先搜索（DFS）。

---

正文

广度优先搜索（BFS）

广度优先搜索在进一步遍历图中顶点之前，先访问当前顶点的所有邻接结点。
a .首先选择一个顶点作为起始结点，并将其染成灰色，其余结点为白色。
b. 将起始结点放入队列中。
c. 从队列首部选出一个顶点，并找出所有与之邻接的结点，将找到的邻接结点放入队列尾部，将已访问过结点涂成黑色，没访问过的结点是白色。如果顶点的颜色是灰色，表示已经发现并且放入了队列，如果顶点的颜色是白色，表示还没有发现
d. 按照同样的方法处理队列中的下一个结点。
基本就是出队的顶点变成黑色，在队列里的是灰色，还没入队的是白色。
用一副图来表达这个流程如下：

1.初始状态，从顶点1开始，队列={1}

2.访问1的邻接顶点，1出队变黑，2,3入队，队列={2,3,}

3.访问2的邻接结点，2出队，4入队，队列={3,4}

4.访问3的邻接结点，3出队，队列={4}

5.访问4的邻接结点，4出队，队列={ 空}

从顶点1开始进行广度优先搜索：

 

1. 初始状态，从顶点1开始，队列={1}
2. 访问1的邻接顶点，1出队变黑，2,3入队，队列={2,3,}
3. 访问2的邻接结点，2出队，4入队，队列={3,4}
4. 访问3的邻接结点，3出队，队列={4}
5. 访问4的邻接结点，4出队，队列={ 空}
   结点5对于1来说不可达。

上面的图可以通过如下邻接矩阵表示：

int maze[5][5] = { 
{ 0, 1, 1, 0, 0 }, 
{ 0, 0, 1, 1, 0 }, 
{ 0, 1, 1, 1, 0 }, 
{ 1, 0, 0, 0, 0 },
{ 0, 0, 1, 1, 0 }}; 

BFS核心代码如下：

---

深度优先搜索（DFS）

深度优先搜索在搜索过程中访问某个顶点后，需要递归地访问此顶点的所有未访问过的相邻顶点。
初始条件下所有节点为白色，选择一个作为起始顶点，按照如下步骤遍历：
a. 选择起始顶点涂成灰色，表示还未访问
b. 从该顶点的邻接顶点中选择一个，继续这个过程（即再寻找邻接结点的邻接结点），一直深入下去，直到一个顶点没有邻接结点了，涂黑它，表示访问过了
c. 回溯到这个涂黑顶点的上一层顶点，再找这个上一层顶点的其余邻接结点，继续如上操作，如果所有邻接结点往下都访问过了，就把自己涂黑，再回溯到更上一层。
d. 上一层继续做如上操作，直到所有顶点都访问过。
用图可以更清楚的表达这个过程：

1.初始状态，从顶点1开始

 

2.依次访问过顶点1,2,3后，终止于顶点3

 

3.从顶点3回溯到顶点2，继续访问顶点5，并且终止于顶点5

 

4.从顶点5回溯到顶点2，并且终止于顶点2

 

5.从顶点2回溯到顶点1，并终止于顶点1

 

6.从顶点4开始访问，并终止于顶点4

从顶点1开始做深度搜索：

 

1. 初始状态，从顶点1开始
2. 依次访问过顶点1,2,3后，终止于顶点3
3. 从顶点3回溯到顶点2，继续访问顶点5，并且终止于顶点5
4. 从顶点5回溯到顶点2，并且终止于顶点2
5. 从顶点2回溯到顶点1，并终止于顶点1
6. 从顶点4开始访问，并终止于顶点4

上面的图可以通过如下邻接矩阵表示：

int maze[5][5] = { 
{ 0, 1, 1, 0, 0 }, 
{ 0, 0, 1, 0, 1 }, 
{ 0, 0, 1, 0, 0 }, 
{ 1, 1, 0, 0, 1 }, 
{ 0, 0, 1, 0, 0 }};

递归版本

非递归版本，借助一个栈：

有的DFS是先访问读取到的结点，等回溯时就不再输出该结点，也是可以的。算法和我上面的区别就是输出点的时机不同，思想还是一样的。DFS在环监测和拓扑排序中都有不错的应用。

一句话：

BFS就是维护一个队列，先依次访问起始点相邻的节点，入队，再访问相邻节点的相邻节点，依次入队出队。

DFS就是利用递归+回溯，直到递归到没有相邻节点可以访问了，就向上回溯。