BFS和DFS算法学习总结

BFS：这是一种基于队列这种数据结构的搜索方式，它的特点是由每一个状态可以扩展出许多状态，然后再以此扩展，直到找到目标状态或者队列中头尾指针相遇，即队列中所有状态都已处理完毕。

广度优先搜索（BFS）

有一个有向图如图a

 

                                                   图a

 

 

广度优先搜索的策略是：

从起始点开始遍历其邻接的节点，由此向外不断扩散。

1.假设我们以顶点0为原点进行搜索，首先确定邻接0的顶点集合S0 = {1，2}。

2.然后确定顶点1的集合S1 = {3}，顶点2没有邻接点，所以集合为空。

3.然后确定3的邻接点集合S3，因为2已经被遍历过，所以不考虑，所以由顶点3知道的邻接点集合S3 = {4}。

4.然后再确定顶点4的邻接点集合,顶点4没有更多的邻接点了，此时也没有还未遍历的邻接点集合，搜索终止。

遍历的路径可以参考如下图红色标记的路径：

动态过程

代码的实现思路：

 

BFS()
{
  输入起始点；
  初始化所有顶点标记为未遍历；
  初始化一个队列queue并将起始点放入队列；

  while（queue不为空）
  {

    从队列中删除一个顶点s并标记为已遍历； 
    将s邻接的所有还没遍历的点加入队列；
  }
}

 

 

DFS：基于递归的搜索方式，它的特点是由一个状态拓展一个状态，然后不停拓展，直到找到目标或者无法继续拓展结束一个状态的递归。

深度优先遍历（DFS）

继续以图a为例

                                                   图a

深度优先遍历的策略是：

从一个顶点v出发，首先将v标记为已遍历的顶点，然后选择一个邻接于v的尚未遍历的顶点u，如果u不存在，本次搜素终止。如果u存在，那么从u又开始一次DFS。如此循环直到不存在这样的顶点。

比如图a中

1.从顶点0开始，将0标记为已遍历，然后选择未被遍历的邻接0的顶点1。

2.标记顶点1，然后选择3并标记，然后选择顶点3邻接的顶点2。

3.顶点2标记后没有与它邻接的未标记的点，所以返回3选择另一个邻接3并且未被标记的顶点4。

4.顶点4没有更多的符合条件的点，因此搜索终止，返回到3，3没有更多的点，搜索终止返回到1，最后返回到0，搜索终止。

遍历的路径可以参考如下图红色标记的路径：

动态过程

代码的实现思路：

DFS（顶点v）
{
  标记v为已遍历；
  for（对于每一个邻接v且未标记遍历的点u）
      DFS（u）;
}

总结：
BFS：对于解决最短或最少问题特别有效，而且寻找深度小，但缺点是内存耗费量大（需要开大量的数组单元用来存储状态）。 
DFS：对于解决遍历和求所有问题有效，对于问题搜索深度小的时候处理速度迅速，然而在深度很大的情况下效率不高。

 

leetcode547. Friend Circles

班上有 N 名学生。其中有些人是朋友，有些则不是。他们的友谊具有是传递性。如果已知 A 是 B 的朋友，B 是 C 的朋友，那么我们可以认为 A 也是 C 的朋友。所谓的朋友圈，是指所有朋友的集合。

给定一个 N * N 的矩阵 M，表示班级中学生之间的朋友关系。如果M[i][j] = 1，表示已知第 i 个和 j 个学生互为朋友关系，否则为不知道。你必须输出所有学生中的已知的朋友圈总数。

示例 1:

输入: 
[[1,1,0],
 [1,1,0],
 [0,0,1]]
输出: 2 
说明：已知学生0和学生1互为朋友，他们在一个朋友圈。
第2个学生自己在一个朋友圈。所以返回2。

示例 2:

输入: 
  [[1,1,0],
 [1,1,1],
 [0,1,1]]
输出: 1
说明：已知学生0和学生1互为朋友，学生1和学生2互为朋友，所以学生0和学生2也是朋友，所以他们三个在一个朋友圈，返回1。
 

注意：N 在[1,200]的范围内。
对于所有学生，有M[i][i] = 1。
如果有M[i][j] = 1，则有M[j][i] = 1。

 

 BFS

class Solution {
   public int findCircleNum(int[][] M) {
		int[] visited = new int[M.length];
		int count = 0;
		for (int i = 0; i < M.length; i++) {
			if (visited[i] == 0) {
				bfs(M, visited, i);
				count++;
			}
		}
		return count;
	}
 
		Queue<Integer> q = new LinkedList<>();
	public void bfs(int[][] M, int[] visited, int i) {

        // visit[i];
		q.offer(i);
		visited[i] = 1;
		while (!q.isEmpty()) {
			int node = q.poll();
			for (int j = 0; j < M.length; j++) {
				// 未被访问过且是邻接点,注意是node的邻接点
				if (visited[j] == 0 && M[node][j] == 1) {
					// visit[j];
					q.offer(j);
					visited[j] = 1;
				}
			}
		}
 
	}
	
}

 

 DFS

class Solution {
    
    public int findCircleNum(int[][] M) {
        /**
        使用一个visited数组, 依次判断每个节点, 如果其未访问, 朋友圈数加1并对该节点进行dfs搜索标记所有访问到的节点
        **/
        boolean[] visited = new boolean[M.length];
        int ret = 0;
        for(int i = 0; i < M.length; ++i) {
            if(!visited[i]) {
                dfs(M, visited, i);
                ret++;
            }
        }
        return ret;
    }
    
    private void dfs(int[][] m, boolean[] visited, int i) {
        for(int j = 0; j < m.length; ++j) {
            if(m[i][j] == 1 && !visited[j]) {
                visited[j] = true;
                dfs(m, visited, j);
            }
        }
    }
}