DFS和BFS算法

一、深度优先遍历
       深度优先搜索,是图论中的经典算法。其利用深度优先搜索算法可以产生目标图的相应拓扑排序表,利用拓扑排序表可以方便的解决很多相关的图论问题,如最大路径问题等等。

递归定义
       假设给定图G的初态是所有顶点均未曾访问过。在G中任选一顶点v为初始出发点(源点),则深度优先遍历可定义如下:
    1.访问出发点v,并将其标记为已访问过;
    2.依次从v出发搜索v的每个邻接点w。若w未曾访问过,则以w为新的出发点继续进行深度优先遍历,直至图中所有和源点v有路径相通的顶点(亦称为从源点可达的顶点)均已被访问为止。
    3.若此时图中仍有未访问的顶点,则另选一个尚未访问的顶点作为新的源点重复上述过程,直至图中所有顶点均已被访问为止。

  
        图的深度优先遍历类似于树的前序遍历。采用的搜索方法的特点是尽可能先对纵深方向进行搜索。这种搜索方法称为深度优先搜索。相应地,用此方法遍历图就很自然地称之为图的深度优先遍历。

实现
深度优先搜索一般借助递归实现。
#include<iostream>  
using namespace std;
#define N  6
int a[N][N];
bool visited[N];

int Adj(int x);
void dfs(int v);

void store_graph()  //邻接矩阵存储图  
{
	int i, j;
	for (i = 1; i <= N; i++)
		for (j = 1; j <= N; j++)
			cin >> a[i][j];
}

void dfs_graph()    //深度遍历图  
{
	memset(visited, false, sizeof(visited));
	for (int i = 1; i <= N; i++)  //遍历每个顶点是为了防止图不连通时无法访问每个顶点  
		if (visited[i] == false)
			dfs(i);
}

void dfs(int v)  //深度遍历顶点  
{
	cout << v << " ";  //访问顶点v  
	visited[v] = true;
	int adj = Adj(v);  //求出v的相邻点
	while (adj != 0)
	{
		if (visited[adj] == false)
			dfs(adj);      //递归调用是实现深度遍历的关键所在  
		adj = Adj(v);
	}
}

int Adj(int x)   //求邻接点  
{
	for (int i = 1; i <= N; i++)
		if (a[x][i] == 1 && visited[i] == false)
			return i;
	return 0;
}

int main()
{
	cout << "初始化图:" << endl;
	store_graph();
	cout << "dfs遍历结果:" << endl;
	dfs_graph();
	system("pause");
	return 0;
}

二、广度优先遍历
       广度优先遍历是连通图的一种遍历策略。因为它的思想是从一个顶点V开始,优先遍历其周围较广的区域。很像对树的层次遍历。
    1、从图中某个顶点V出发,并访问此顶点;
    2、从V出发,访问V的各个未曾访问的邻接点W1,W2,…,Wk;然后,依次从W1,W2,…,Wk出发访问各自未被访问的邻接点;
    3、重复步骤2,直到全部顶点都被访问为止。

实现
广度优先搜索一般借助一个队列实现。
#include<iostream> 
#include<queue>
using namespace std;
#define N  6
int a[N][N];
bool visited[N];

void bfs(int v);
int Adj(int x);

void store_graph()
{
	for (int i = 1; i <= N; i++)
		for (int j = 1; j <= N; j++)
			cin >> a[i][j];
}

void bfs_graph()
{
	int i;
	memset(visited, false, sizeof(visited));


	for (i = 1; i <= N; i++)
		if (visited[i] == false)
			bfs(i);
}

void bfs(int v)
{	
	queue<int> q;
	int adj, temp;

	cout << v << " ";
	visited[v] = true;
	q.push(v);

	while (!q.empty())    //队列非空表示还有顶点未遍历到  
	{
		temp = q.front();  //获得队列头元素  
		q.pop();         //头元素出队 
		adj = Adj(temp);
		while (adj != 0)
		{
			if (visited[adj] == false)
			{
				cout << adj << " ";
				visited[adj] = true;
				q.push(adj);   //进队  
			}
			adj = Adj(temp);
		}
	}
}

int Adj(int x)
{
	for (int i = 1; i <= N; i++)
		if (a[x][i] == 1 && visited[i] == false)
			return i;
	return 0;
}

int main()
{
	cout << "初始化图:" << endl;
	store_graph();
	cout << "bfs遍历结果:" << endl;
	bfs_graph();
	system("pause");
	return 0;
}


  • 2
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: DFS(深度优先搜索)和BFS(广度优先搜索)算法是图论中常见的两种算法,用于遍历图或树的节点。以下是C++实现: DFS算法实现: ```c++ #include <iostream> #include <vector> #include <stack> using namespace std; void dfs(vector<vector<int>>& graph, vector<bool>& visited, int start) { stack<int> s; s.push(start); while (!s.empty()) { int node = s.top(); s.pop(); if (!visited[node]) { visited[node] = true; cout << node << " "; for (int i = graph[node].size() - 1; i >= 0; --i) { int next_node = graph[node][i]; if (!visited[next_node]) { s.push(next_node); } } } } } int main() { int n = 5; vector<vector<int>> graph(n); graph[0].push_back(1); graph[0].push_back(2); graph[1].push_back(3); graph[1].push_back(4); vector<bool> visited(n, false); dfs(graph, visited, 0); return 0; } ``` BFS算法实现: ```c++ #include <iostream> #include <vector> #include <queue> using namespace std; void bfs(vector<vector<int>>& graph, vector<bool>& visited, int start) { queue<int> q; q.push(start); while (!q.empty()) { int node = q.front(); q.pop(); if (!visited[node]) { visited[node] = true; cout << node << " "; for (int i = 0; i < graph[node].size(); ++i) { int next_node = graph[node][i]; if (!visited[next_node]) { q.push(next_node); } } } } } int main() { int n = 5; vector<vector<int>> graph(n); graph[0].push_back(1); graph[0].push_back(2); graph[1].push_back(3); graph[1].push_back(4); vector<bool> visited(n, false); bfs(graph, visited, 0); return 0; } ``` 这里我们以一个简单的无向图为例,节点从0到4编号,图的邻接表表示为: ``` 0: 1, 2 1: 0, 3, 4 2: 0 3: 1 4: 1 ``` DFS算法BFS算法的输出结果都是:0 2 1 4 3。 ### 回答2: DFS(深度优先搜索)和BFS(广度优先搜索)是两种常用的图遍历算法,都可以用来实现C语言。 DFS算法通过递归或者栈的方式实现,可以从图的某个顶点开始,沿着一条路径一直到达没有未探索的邻居节点为止,然后返回到前一个顶点继续探索其他未探索的邻居节点。可以用以下C语言代码实现DFS算法: ```c #include <stdio.h> #define SIZE 100 int visited[SIZE]; //用来标记节点是否访问过 int graph[SIZE][SIZE]; //图的邻接矩阵表示 void dfs(int node) { printf("%d ", node); visited[node] = 1; for(int i = 0; i < SIZE; i++) { if(graph[node][i] && !visited[i]) { dfs(i); } } } int main() { //初始化visited和graph //调用dfs函数 dfs(0); //从节点0开始深度优先搜索 return 0; } ``` BFS算法通过队列的方式实现,可以从图的某个顶点开始,将其加入队列,然后依次将队列中的节点访问并将其邻居节点加入队列,直到队列为空。可以用以下C语言代码实现BFS算法: ```c #include <stdio.h> #define SIZE 100 int visited[SIZE]; //用来标记节点是否访问过 int graph[SIZE][SIZE]; //图的邻接矩阵表示 void bfs(int node) { int queue[SIZE]; int front = 0, rear = 0; queue[rear++] = node; visited[node] = 1; while(front < rear) { int curNode = queue[front++]; printf("%d ", curNode); for(int i = 0; i < SIZE; i++) { if(graph[curNode][i] && !visited[i]) { queue[rear++] = i; visited[i] = 1; } } } } int main() { //初始化visited和graph //调用bfs函数 bfs(0); //从节点0开始广度优先搜索 return 0; } ``` 以上就是用C语言实现DFSBFS算法的代码。在实际应用中,可以根据具体场景选择使用DFS还是BFS来进行图的遍历。 ### 回答3: DFS(深度优先搜索)和BFS(广度优先搜索)算法都是用于图的遍历的常见算法。它们在图遍历的顺序、搜索方式和空间复杂度上有所差异。 DFS是一种先深入后回溯的搜索方法。它从起点开始,沿着图的一条路径一直遍历到尽头,然后回溯到上一个节点,继续探索其他未遍历的路径,直到整个图都被遍历完。DFS常用递归或栈的方式实现。 BFS是一种逐层扩展的搜索方法。它从起点开始,首先遍历起点的所有邻接节点,然后依次遍历邻接节点的邻接节点,以此类推,直到整个图都被遍历完。BFS常用队列的方式实现,每次将待遍历节点加入队列,并在从队列中取出节点时,将其邻接节点加入队列。 在C语言中,实现DFSBFS算法可以借助图的表示方式和遍历的数据结构。一种常见的图的表示方式是邻接矩阵或邻接表,用于存储图的顶点和边的关系。而在遍历过程中,可以借助一个访问标记数组,用于标记节点是否被访问过。 对于DFS算法的实现,可以通过递归函数实现,递归函数的参数包括当前遍历的节点、访问标记数组等。递归函数的主体部分可以按照DFS的逻辑进行实现。 而对于BFS算法的实现,可以通过队列来实现,首先将起点加入队列,然后循环取出队列中的节点,并将其邻接节点依次加入队列,直到队列为空。在每次取出节点时,可以将其标记为已经访问过。 总之,DFSBFS算法在C语言中的实现需要借助图的表示方式,以及递归函数或队列等数据结构。具体实现的细节还可以根据具体问题的需求进行调整和优化。
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
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