什么是 深度/广度 优先遍历?
深度优先遍历简称·DFS
(Depth First Search),广度优先遍历简称BFS
(Breadth First Search),它们是遍历图当中所有顶点的两种方式。
这两种遍历方式有什么不同呢?我们来举个栗子:
我们来到一个游乐场,游乐场里有11个景点。我们从景点0开始,要玩遍游乐场的所有景点,可以有什么样的游玩次序呢?
第一种是一头扎到底
的玩法。我们选择一条支路,尽可能不断地深入,如果遇到死路就往回退,回退过程中如果遇到没探索过的支路,就进入该支路继续深入。
在图中,我们首先选择景点1的这条路,继续深入到景点7、景点8,终于发现走不动了(景点旁边的数字代表探索次序):
于是,我们退回到景点7,然后探索景点10,又走到了死胡同。于是,退回到景点1,探索景点9:
按照这个思路,我们再退回到景点0,后续依次探索景点2、3、5、4、6,终于玩遍了整个游乐场:
像这样先深入探索
,走到头再回退寻找
其他出路的遍历方式,就叫做深度优先遍历
(DFS)。
其实二叉树的前、中、后遍历就是深度优先变量。
除了像深度优先遍历这样一头扎到底的玩法以外,我们还有另一种玩法:首先把起点相邻的几个景点玩遍
,然后去玩距离起点稍远一些(隔一层)的景点
,然后再去玩距离起点更远
一些(隔两层)的景点…
在图中,我们首先探索景点0的相邻景点1、2、3、4:
接着,我们探索与景点0相隔一层的景点7、9、5、6:
最后,我们探索与景点0相隔两层的景点8、10:
像这样一层一层
由内而外
的遍历方式,就叫做广度优先遍历
(BFS)。
其实二叉树的层序遍历就是一种广度优先遍历。
深度/广度优先遍历 的实现
深度优先遍历的关键在于回溯
广度优先遍历的关键在于重放
深度优先遍历
首先说说深度优先遍历
的实现过程。这里所说的回溯
是什么意思呢?回溯顾名思义,就是自后向前
,追溯曾经走过的路径。
我们把刚才游乐场的例子抽象成数据结构的图,假如我们依次访问了顶点0、1、7、8,发现无路可走了,这时候我们要从顶点8退回到顶点7。
而后我们探索了顶点10,又无路可走了,这时候我们要从顶点10退回到顶点7,再退回到顶点1。
像这样的自后向前追溯曾经访问过的路径
,就叫做回溯
。
要想实现回溯,可以利用栈的先入后出特性
,也可以采用递归
的方式(因为递归本身就是基于方法调用栈来实现)。
下面我们来演示一下具体实现过程。
首先访问顶点0、1、7、8,这四个顶点依次入栈,此时顶点8是栈顶:
从顶点8退回到顶点7,顶点8出栈:
接下来访问顶点10,顶点10入栈:
从顶点10退到顶点7,从顶点7退到顶点1,顶点10和顶点7出栈:
探索顶点9,顶点9入栈:
以此类推,利用这样一个临时栈
来实现回溯
,最终遍历完所有顶点。
广度优先遍历
接下来该说说广度优先遍历
的实现过程了。刚才所说的重放
是什么意思呢?似乎听起来和回溯差不多?其实,回溯与重放是完全相反的过程。
仍然以刚才的图为例,按照广度优先遍历的思想,我们首先遍历顶点0,然后遍历了邻近顶点1、2、3、4:
接下来我们要遍历更外围的顶点,可是如何找到这些更外围的顶点
呢?我们需要把刚才遍历过的顶点1、2、3、4按顺序重新回顾一遍,从顶点1发现邻近的顶点7、9;从顶点3发现邻近的顶点5、6。
像这样把遍历过的顶点
按照之前的遍历顺序重新回顾
,就叫做重放
。同样的,要实现重放也需要额外的存储空间
,可以利用队列
的先入先出特性来实现。
下面我们来演示一下具体实现过程。
首先遍历起点顶点0,顶点0入队:
接下来顶点0出队,遍历顶点0的邻近顶点1、2、3、4,并且把它们入队:
然后顶点1出队,遍历顶点1的邻近顶点7、9,并且把它们入队:
然后顶点2出队,没有新的顶点可入队:
以此类推,利用这样一个队列来实现重放,最终遍历完所有顶点。
注意
:无论是深度优先遍历还是广度优先遍历,如何确定一个节点的临边节点是否被访问过?
我们可以用一个布尔型的数组,来存储所有节点的遍历状态,顶点对应数组位置的初始值默认flase,代表未被访问过,如果访问过置为true;
模拟实现:(Java)