【图】DFS、BFS遍历

图有两种遍历方式:DFS深度优先,BFS广度优先

把所有顶点访问一遍,且每个顶点只访问一次,把走过的顶点标记一下。

标记:为图设置一个访问标志数组visited[n],用于标示图中每个顶点是否被访问过,它的初始值为0(),表示顶点均未被访问;一旦访问过顶点vi,则置访问标志数组中的visited[i]1(“真”),以表示该顶点已访问。

深度优先遍历:顺着一条路走,若走到相邻的顶点都遍历过了——回溯看上一个顶点是否还有未访问的邻接顶点。

图1 图的深度优先遍历 

 广度优先遍历:从一个顶点开始走,先走完它所有的邻接顶点,然后再走其邻接顶点的邻接顶点(与树的层遍历相似)。

 图2 图的广度优先遍历


BFS广度优先

        广度优先跟树的层遍历相似,都要用到队列。

void GraphLink::BFS(char v)//广度优先
{
	int p = GetVertexIndex(v);//获取改顶点的下标
	if (p == -1)return;
	bool* visited = new bool[m_NumVertex];//标记每个点是否访问
	for (int i = 0; i < m_NumVertex; i++)//一开始都置为假-没有被访问过
		visited[i] = false;

	queue<char> qq;
	qq.push(p);//入队
	visited[p] = true;//被访问-真
	cout << v << " ";//输出
	int front;
	Edge* plist = nullptr;
	while (!qq.empty())
	{
		front = qq.front();//得到队头(下标)
		qq.pop();//出队
		plist = m_VerArr[front].m_list;//指向那个头的list(邻接顶点链表)
		while (plist != nullptr)//有邻接顶点
		{
			if (!visited[plist->m_destindex])//没被访问过
			{
				cout << m_VerArr[plist->m_destindex].m_VerValue << " ";//输出
				visited[plist->m_destindex] = true;//访问了
				qq.push(plist->m_destindex);//放到队列里
			}
			plist = plist->m_next;//指向下一个邻接顶点下标
		}
	}
	cout << endl;
    delete[]visited;
	visited = nullptr;
}

 建立这样的图

 广度优先:


 DFS深度优先 

        深度优先会使用递归和回溯,但是是否被访问visited数组应该是同一的,不因递归重置,所以深度优先可以写两个函数,一个创建visited,然后把数组传入另一个函数。

void GraphLink::DFS(int v, bool* visited)
{
	cout << m_VerArr[v].m_VerValue << " ";//遍历到
	visited[v]=true;//置为真
	Edge* plist = m_VerArr[v].m_list;//指向其邻接顶点链表
	while (plist != nullptr)
	{
		if (!visited[plist->m_destindex])//没有被访问过
		{
			DFS(plist->m_destindex, visited);//继续深度优先
		}//都访问了,回溯
		plist = plist->m_next;指向下一个邻接顶点
	}
}
void GraphLink::DFS(char v)//深度优先
{
	int p = GetVertexIndex(v);
	if (p == -1)return;
	bool* visited = new bool[m_NumVertex];
	for (int i = 0; i < m_NumVertex; i++)
		visited[i] = false;
	DFS(p, visited);//visited不能递归
	delete[] visited;
	visited = nullptr;
}

以上图用邻接表表示,邻接表创建方法见:

【图】邻接表_曦樂~的博客-CSDN博客 

  • 3
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
深度优先搜索(DFS)和广度优先搜索(BFS)是两种常见的遍历算法。 假设我们有一个无向,其中边用边列表表示如下: ``` edges = [(0, 1), (0, 2), (1, 2), (2, 0), (2, 3), (3, 3)] ``` 其中每个元素表示一条边,例如 `(0, 1)` 表示节点 `0` 和节点 `1` 之间有一条边。 ### DFS DFS 通过递归地访问每个节点及其邻居来遍历。具体实现如下: ```python # 深度优先搜索 def dfs(graph, start): # visited 用于记录已经访问的节点 visited = set() # 进行递归访问 def traverse(node): visited.add(node) print(node, end=' ') for neighbor in graph[node]: if neighbor not in visited: traverse(neighbor) traverse(start) ``` 在上面的代码中,我们首先定义了一个 `visited` 集合,用于记录已经访问的节点。然后我们定义了一个内部函数 `traverse(node)`,它会递归访问每个节点及其邻居。在递归访问每个节点时,我们首先将其添加到 `visited` 集合中,然后打印出节点的值,并递归访问其未被访问过的邻居。 我们可以使用以下代码调用 `dfs` 函数,以从节点 `2` 开始遍历: ```python # 测试 DFS graph = {0: [1, 2], 1: [2], 2: [0, 3], 3: [3]} dfs(graph, 2) ``` 输出如下: ``` 2 0 1 3 ``` ### BFS BFS 通过先访问起点节点,然后逐层访问其邻居节点来遍历。具体实现如下: ```python # 的广度优先搜索 def bfs(graph, start): # visited 用于记录已经访问的节点 visited = set() # 使用队列进行遍历 queue = [start] visited.add(start) while queue: node = queue.pop(0) print(node, end=' ') for neighbor in graph[node]: if neighbor not in visited: visited.add(neighbor) queue.append(neighbor) ``` 在上面的代码中,我们首先定义了一个 `visited` 集合和一个队列 `queue`,用于记录已经访问的节点和待访问的节点。然后我们将起点节点添加到队列中,并将其标记为已访问。在接下来的循环中,我们不断从队列中取出一个节点,并打印出其值,然后逐个访问其未被访问过的邻居节点,并将其添加到队列中,同时将其标记为已访问。 我们可以使用以下代码调用 `bfs` 函数,以从节点 `2` 开始遍历: ```python # 测试 BFS graph = {0: [1, 2], 1: [2], 2: [0, 3], 3: [3]} bfs(graph, 2) ``` 输出如下: ``` 2 0 3 1 ```
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

打赏作者

曦樂~

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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