图论-搜索算法(BFS和DFS)

广度优先搜索

算法介绍

英文为 Breadth-First Search, BFS。其宗旨是从源点开始，逐步向外扩散，如图所示。

用到三个数组：

• $color[u]$：
  • $\text{WHITE}$：表示该点尚未搜索到
  • $\text{GREY}$：表示该点正在搜索
  • $\text{BLACK}$：表示该点搜索结束
• $pred[u]$：表示点$u$在搜索中的前驱顶点(predecesor)
• $dist[u]$：表示点$u$到源点的距离

算法：广度优先搜索
输入：图$G$
输出：无
对于图中每个点$u$，置 $color[u]=\text{WHITE}$，置 $pred[u]=\text{NULL}$
对于图中每个点$u$，如果 $color[u]=\text{WHITE}$，调用$\text{BFSVisit}(u)$

有多少个连通分支，以下算法就会被调用多少次：

算法：$\text{BFSVisit}$
输入：图$G$，点$s$
输出：无
置 $color[s]=\text{GREY}$
置 $dist[s]=0$
初始化队列 $Q$ 为空队列，并将 $s$ 加入队列 $Q$
当 $Q$ 不为空时：

队首元素$u$出列
对$u$的所有邻接顶点$v\in adj[u]$：

若 $color[v]=\text{WHITE}$：

置 $color[v]=\text{GREY}$
置 $d[v]=d[u]+1$
置 $pred[v]=u$
$v$ 加入$Q$ 队尾

置 $color[u]=\text{BLACK}$

时间复杂度分析

• 对于每个顶点$u$，我们需要查看其颜色，并对其所有邻接顶点$v$进行操作，因此复杂度为 $O(1+degree(u))$
• 总复杂度为$\sum _{u\in V}O(1+degree(u))=O(V+2E)=O(V+E)$（用到握手定理）

应用

• 无权图的单源最短路径
  • 由BFS得到的$dist[u]$是源点$s$到顶点$u$的单源最短距离
  • 只能用于无权图，对于带权图需要使用Dijkstra算法或者Floyd算法
• 寻找连通分支数量

深度优先搜索

算法介绍

英文为 Depth-First Search, DFS。算法思想是一条道走到底，然后再回头走其他分支，其实质是一种贪心策略。

用到四个数组：

• $color[u]$：
  • $\text{WHITE}$：表示该点尚未搜索到
  • $\text{GREY}$：表示该点正在搜索
  • $\text{BLACK}$：表示该点搜索结束
• $pred[u]$：表示点$u$在搜索中的前驱顶点(predecesor)。
• $d[u]$：表示点$u$被发现的时间。它和$f[u]$都是为了便于后续分析而打上的时间戳。
• $f[u]$：表示点$u$完成搜索的时间。

算法：深度优先搜索
输入：图$G$
输出：无
对于图中每个点$u$，置 $color[u]=\text{WHITE}$，置 $pred[u]=\text{NULL}$
置全局变量 $time=0$
对于图中每个点$u$，如果 $color[u]=\text{WHITE}$，调用$\text{DFSVisit}(u)$

有多少个连通分支，以下算法就会被调用多少次：

算法：$\text{DFSVisit}$
输入：图$G$，点$u$
输出：无
置 $color[u]=\text{GREY}$
令 $time=time+1$
置 $d[u]=time$
对$u$的所有邻接顶点$v\in adj[u]$：

若 $color[v]=\text{WHITE}$：

置 $pred[v]=u$
调用 $\text{DFSVisit}(v)$

置 $color[u]=\text{BLACK}$
令 $time=time+1$
置 $f[u]=time$

时间复杂度分析

与BFS相同，均需要对每个顶点和其邻接顶点进行遍历，因此也为$O(V+E)$。

算法的性质

深度优先树

以算法中得到的$pred[u]$数组，可以构建一棵以前驱顶点为父节点的树，称为深度优先树。深度优先树是原图$G$的一个子图。

• 树边(tree edge)：深度优先树中的边。
• 后向边(back edge)：它的两顶点在深度优先树中是祖先和后代节点的关系，但不是父子节点关系。

定理：无向图中的边，不是树边就是后向边。
即：无向图中的边的两个端点一定是DFS搜索中的祖先和后代，不存在两条边的两个端点之间没有任何直接或间接前驱/后继关系。
证明：这个定理的正确性是显然的。令$(u,v)$为$G$中的任意一条边，不妨设$d[u]<d[v]$，即$u$被发现的时候，$v$还没被发现。那么，根据DFS算法，$v$一定在以$u$为根节点的子树上，故二者必有祖先和后代关系。

括号化定理

括号化定理揭示了$d[u]$和$f[u]$时间戳的结构。如图所示，我们在DFS算法中的两个时间戳数组可以绘成如下的甘特图：

它具有以下的性质：

• 每个时间点都是一个时间戳区间的端点。
• $u$节点是$v$节点的后代(descendent)当且仅当$v$的区间包含$u$的区间；$u$节点是$v$节点的祖先(ancestor)当且仅当$v$的区间是$u$的区间的子区间(subinterval)。
• $u$节点和$v$节点是不连接的(unrelated)，当且仅当$u$和$v$的区间没有交集(disjoint)。