BFS/DFS基本代码实现

今日初学,帮助理解

bfs基本代码

#include<stdio.h>
#include<iostream>
#include<queue>
using namespace std;
int dri4[4][2]= {{-1,0},{1,0},{0,-1},{0,1}};

struct node
{
    int i,j;//坐标
    int t;//遍历个数
};

int vis[105][105];//标记数组(是否遍历)
int n,m;//n*m的地图

void BFS(int x1,int y1,int x2,int y2,int n,int m)//起点,终点
{
    node n1,n2;
    queue<node>q;

    //存起点
    n1.i=x1;
    n1.j=y1;
    n1.t=0;
    q.push(n1);
    vis[n1.i][n1.j]=1;//标记

    while(!q.empty())
    {
        n2=q.front();//取
        q.pop();

        if(n2.i==x2&&n2.j==y2)//判是否为终点
        {
            //按需求输出
            return ;
        }

        int x,y;
        for(int i=0; i<4; i++)
        {
            x=n2.i+dri4[i][0];
            y=n2.j+dri4[i][1];
            //int dri4[4][2]= {{-1,0},{1,0},{0,-1},{0,1}};
            if(x>=0&&x<n&&y>=0&&y<m&&vis[x][y]==0/*&&map[x][y]!="障碍"*/)//若有障碍(x,y)
            {
                n1.i=x;
                n1.j=y;
                n1.t=n2.t+1;
                vis[n1.i][n1.j]=1;
                q.push(n1);
            }
        }
    }
}

dfs基本代码

#include<stdio.h>
#include<iostream>
using namespace std;
int dri4[4][2]= {{-1,0},{1,0},{0,-1},{0,1}};

struct node
{
    int i,j;//坐标
    int t;//遍历个数
};

int vis[105][105];//标记数组(是否遍历)
int n,m;//n*m的地图

void DFS(int x1,int y1,int x2,int y2)
{
    vis[x1][y1]=1;
    if(x1==x2&&y1==y2)
    {
        //按需求输出
        return ;
    }

    for(int i=0;i<4;i++)
    {
        int x=x1+dri4[i][0];
        int y=y1+dri4[i][1];
        //int dri4[4][2]= {{-1,0},{1,0},{0,-1},{0,1}};
        if(x>=0&&x<n&&y>=0&&y<m&&vis[x][y]==0/*&&map[x][x]!="障碍"*/)//若有障碍(x,y)
        {
            vis[x][y]=1;
            DFS(x,y,x2,y2);
        }
    }
}
  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 下面是图的DFSBFS代码实现。其中,我们假设节点编号从 0 开始。 DFS: ``` void dfs(int node, vector<vector<int>>& adj, vector<bool>& visited) { visited[node] = true; cout << node << " "; for (int i = 0; i < adj[node].size(); ++i) { int next = adj[node][i]; if (!visited[next]) { dfs(next, adj, visited); } } } void dfsTraversal(vector<vector<int>>& adj) { int n = adj.size(); vector<bool> visited(n, false); for (int i = 0; i < n; ++i) { if (!visited[i]) { dfs(i, adj, visited); } } } ``` BFS: ``` void bfsTraversal(vector<vector<int>>& adj) { int n = adj.size(); vector<bool> visited(n, false); queue<int> q; for (int i = 0; i < n; ++i) { if (!visited[i]) { q.push(i); visited[i] = true; while (!q.empty()) { int node = q.front(); q.pop(); cout << node << " "; for (int j = 0; j < adj[node].size(); ++j) { int next = adj[node][j]; if (!visited[next]) { q.push(next); visited[next] = true; } } } } } } ``` ### 回答2: 图的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。 首先,我们来讨论图的DFS代码实现DFS是一种先根后子树的搜索方式。其基本思想是从图中的一个顶点开始,沿着一条路径一直往下搜索,直到不能再继续下去为止,然后回溯到上一个节点,继续搜索未被访问过的路径,直到所有节点都被访问过为止。 下面是图的DFS代码实现(以邻接表形式存储的无向图为例): ```python def dfs(graph, start, visited): visited[start] = True print(start, end=" ") for v in graph[start]: if not visited[v]: dfs(graph, v, visited) ``` 在上述代码中,`graph`是图的邻接表表示,`start`是起始顶点,`visited`是用于标记节点是否已被访问的列表。首先,我们将起始顶点标记为已访问,并输出其值。然后,递归地遍历与起始顶点相邻的未被访问过的节点。 接下来,我们来讨论图的BFS代码实现BFS是一种逐层遍历的搜索方式。其基本思想是从图中的一个顶点开始,先访问其所有直接相邻的节点,然后再依次访问这些节点的相邻节点,依次类推,直到所有节点都被访问过为止。 下面是图的BFS代码实现(以邻接表形式存储的无向图为例): ```python def bfs(graph, start): visited = [False] * len(graph) queue = [] visited[start] = True queue.append(start) while queue: vertex = queue.pop(0) print(vertex, end=" ") for v in graph[vertex]: if not visited[v]: visited[v] = True queue.append(v) ``` 在上述代码中,`graph`是图的邻接表表示,`start`是起始顶点。首先,我们将起始顶点标记为已访问,并加入队列。然后,重复以下步骤直到队列为空:从队列中取出一个顶点,并输出其值;将其未被访问过的相邻节点标记为已访问,并加入队列。 通过以上代码实现,我们可以使用DFSBFS算法对图进行深度优先搜索和广度优先搜索。 ### 回答3: 图的深度优先搜索(DFS)和广度优先搜索(BFS)是两种常用的图遍历算法。它们用于访问和搜索图中的节点。 DFS代码实现: 1. 首先,创建一个辅助数据结构,例如栈(Stack),用于存储待访问节点。 2. 将初始节点放入栈中。 3. 当栈不为空时,执行以下步骤: - 弹出栈顶节点,并将其标记为已访问。 - 遍历该节点的所有邻居节点,如果该邻居节点未访问,则将其放入栈中。 4. 重复步骤3,直到栈为空。 BFS代码实现: 1. 首先,创建一个辅助数据结构,例如队列(Queue),用于存储待访问节点。 2. 将初始节点放入队列中。 3. 当队列不为空时,执行以下步骤: - 弹出队列头节点,并将其标记为已访问。 - 遍历该节点的所有邻居节点,如果该邻居节点未访问,则将其放入队列中。 4. 重复步骤3,直到队列为空。 DFSBFS的区别在于访问节点的顺序不同: - DFS优先访问深度方向,先访问与初始节点相连的所有节点,再递归深入访问其他节点。 - BFS优先访问广度方向,先访问初始节点相邻的节点,然后逐层访问与初始节点距离更近的邻居节点。 这两种算法适用于不同的场景。DFS在找到目标节点的情况下可能效率更高,而BFS适用于需要找到最短路径的情况。在实际应用中,可以根据具体需求选择合适的算法。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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