1. 原理描述:
设图G的初始状态是所有顶点均为访问过。以G中任选一顶点V为起点,则描述为:首先访问出发点V,
接着依次访问V的所有邻接点W1,W2,...,Wi,然后再依次访问与W1,W2,...,Wi邻接的所有未曾访问过的
顶点。依次类推,直到图中所有和起点V有路径相同的顶点都已访问为止。此时从V开始搜索过程结束。
2. 算法设计基本步骤:
(1) 确定图的存储方式。
(2) 设计搜索过程中的操作,其中包括为输出问题解而进行的存储操作。
(3) 输出问题的解空间。
3. 一种实现:求从一个城市到另一个城市间经过的城市最少的路线。
设图G的初始状态是所有顶点均为访问过。以G中任选一顶点V为起点,则描述为:首先访问出发点V,
接着依次访问V的所有邻接点W1,W2,...,Wi,然后再依次访问与W1,W2,...,Wi邻接的所有未曾访问过的
顶点。依次类推,直到图中所有和起点V有路径相同的顶点都已访问为止。此时从V开始搜索过程结束。
2. 算法设计基本步骤:
(1) 确定图的存储方式。
(2) 设计搜索过程中的操作,其中包括为输出问题解而进行的存储操作。
(3) 输出问题的解空间。
3. 一种实现:求从一个城市到另一个城市间经过的城市最少的路线。
package com.maozj.datastruct.graphic;
/**
* 图的广度优先搜索
*
* @author 毛正吉
*
*/
public class BreadthSearch {
public static void main(String[] args) {
BreadthSearch s = new BreadthSearch();
s.set(8);
s.search();
}
private int[][] jz;
private SQ[] sq;
private int qh;
private int qe;
private int[] visited;
public BreadthSearch() {
/** 存储图的邻接矩阵 */
jz = new int[][] { { 0, 1, 1, 1, 0, 1, 0, 0 },
{ 1, 0, 0, 0, 0, 1, 0, 0 }, { 1, 0, 0, 1, 1, 0, 0, 0 },
{ 1, 0, 1, 0, 0, 0, 1, 0 }, { 0, 0, 1, 0, 0, 0, 1, 1 },
{ 1, 1, 0, 0, 0, 0, 0, 1 }, { 0, 0, 0, 1, 1, 0, 0, 1 },
{ 0, 0, 0, 0, 1, 1, 1, 0 } };
/** 队列集合 */
sq = new SQ[100];
visited = new int[100];
}
public void search() {
/** 队首 */
qh = 0;
/** 队尾 */
qe = 1;
sq[1] = new SQ();
sq[1].city = 1;
sq[1].pre = 0;
visited[1] = 0;
/** 当队列不为空 */
while (qh != qe) {
/** 节点出队 */
qh = qh + 1;
/** 扩展节点 */
for (int i = 0; i < 8; i++) {
if (jz[sq[qh].city][i] == 1 && visited[i] == 0) {
/** 节点入队 */
qe++;
sq[qe] = new SQ();
sq[qe].city = i;
sq[qe].pre = qh;
visited[i] = 1;
if (sq[qe].city == 7) {
out();
return;
}
}
}
}
System.out.println("No avaliable way");
}
/** 输出路径 */
public void out() {
System.out.print(sq[qe].city);
while (sq[qe].pre != 0) {
qe = sq[qe].pre;
System.out.print("---" + sq[qe].city);
}
}
public void set(int n) {
for (int i = 0; i < n; i++) {
visited[i] = 0;
}
}
}
class SQ {
int city;
int pre;
}