【AI机器学习与知识图谱】的博客

本文将用实例分析DFS搜索算法的两大应用：1、运用深度优先搜索，对一个有向无回路图DAG进行拓扑排序； 2、运用深度优先搜索，将一个有向图分解为各强连通分支。一、拓扑排序首先拓扑排序是针对有向无回路图来说的，反之，如果图中有回路，就不可能存在这样的线性序列。 Topological-Sort算法可以产生一个有向无回路图G的拓扑序列。1、Topological-Sort算法实现思路：<1>调用DFS

BFS和DFS是图的两种遍历方式，是最简单的图搜索算法。本文将给出给出BFS和DFS的以下几种实现方式： 1、使用队列Queue实现图的BFS遍历 2、递归实现图的DFS遍历 3、使用栈Stack迭代实现图的DFS遍历一、BFS（广度优先搜索算法）BFS算法之所以叫做广度优先搜索，是因为它始终将已发现的顶点和未发现的之间的边界，沿其广度方向向外扩展。亦即，算法首先会发现和s距离为k的所有顶点，

本篇博客来谈一谈图的邻接表实现的两种方式，首先我们明确一点“学会图的邻接表实现的关键点在于“：你所建立的图的邻接表的对象是什么！首先我们看一下《算法导论》中关于图的邻接表的定义：图G=(V,E)的邻接表表示有一个包含 |V| 个列表的数组Adj所组成，其中每个列表对应于V中的一个顶点，对于每一个u∈V，邻接表Adj[u]包含所有满足条件（u，v）∈E的顶点v，亦即，Adj[u]包含图G中所有和顶点u

Kruskal算法用于生成图的最小生成树MST，不多说下面直接进入主题！一、实现Kruskal算法需要会的数据结构知识1、最小堆：包括最小堆的初始化、插入和删除操作 最小堆的作用：每次从边的集合中选出权重最小的边，将其加入到MST中（当然此边当和MST中的元素构成环时不满足）2、等价类（并查集） 并查集的作用：便是判断加入到MST中的边是否会构成环3、EdgeNode类 在Kruskal算法中

Prim算法是另一种生成图的最小生成树的算法，这里简单说一下Prim算法和Kruskal算法的在实现方面的区别：1、Kruskal算法在生成最小生成树的过程中产生的是森林，Prim算法在执行过程中始终都是一棵树；2、Kruskal和Prim实现上的最大区别是Kruskal不需要搜索每个顶点的邻接节点，而Prim中需要，所以Prim图构建时需要利用邻接链表进行构建，Kruskal不用！上面第二点边提出

一、冒泡排序核心思想： 通过相邻元素的比较实现排序def bubble_sort(a, length): '''冒泡排序''' for i in range(length-1): for j in range(0, length-1-i): if a[j] &amp;gt; a[j+1]: a[j], a[j+...