图的宽度深度优先遍历

于 2024-08-18 22:21:43 发布
阅读量195 收藏 1
点赞数 5
分类专栏： 数据结构 算法 文章标签： 算法
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_63126439/article/details/141306662
版权

邻接表法，邻接矩阵法

可以自己写一个图的结构，当遇到任何图类型的题的时候，都可以进行转换

图的宽度优先遍历，二叉树没有环，图可能有环

创建一个队列和set表，把开始节点都压入到这两个里面，如果这个队列不为空，那么就把这个节点拿出来，然后去查找这个节点连接的两个节点，找到的节点看是否在set里面，如果已经存在了就跳过，如果不存在，就压入这个队列和set

图的深度优先遍历

需要一个栈，一个set，一个节点一个节点判断，和这个节点连这的下一个都有哪些节点，然后放入到set里面进行比对，如果set里面有，那就跳过，如果set里面没有，把节点重新压回到栈里面，将下一个节点一块放到节点中，set里面加入这个节点，栈里面永远保存的深度的路径

拓扑排序算法

给一个有向图，最后所有的点都具备依赖，一定没有环

在找到这个最初依赖的时候，把这个节点去掉，然后和他有关的依赖关系也去掉，就可以找到下一个没有依赖关系的节点

kruskal算法

得出最小生成树，所有权重中，和最小，以边的角度出发，依次选择最小的边，需要注意的就是我把边加上，看有没有形成环，一开始假设所有的点都是一个集合，当满足不重复的条件下，把这两个点合并成一个集合，当有点跟这个集合里面的元素重复之后，就证明，如果把这个点加进去，那么就会形成环，那么这个点就不能加进去，并查集结构，时间是常数级别好实现

prim算法生成最小生成树

会把重复的边放到集合里面，但是没有影响，会直接跳过

Dijkstra算法

可以有权值为负数的边，不能有权值为负数的环

搁浅°879
关注
  • 5
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
算法：深度优先遍历和广度优先遍历
OceanStar的博客
01-13 8万+
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？ 举个例子。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
算法详解——图的深度优先遍历和广度优先遍历
python_plus的博客
03-13 4208
图数据中的深度优先遍历算法和广度优先遍历算法
图的宽度优先&深度优先遍历
weixin_43936962的博客
08-08 260
宽度优先遍历和深度优先遍历
算法总结-深度优先遍历和广度优先遍历
热门推荐
hhhlizhao的博客
04-11 2万+
所以广度优先遍历也叫层序遍历，先遍历第一层(节点 1)，再遍历第二层(节点 2，3，4)，第三层(5，6，7，8)，第四层(9，10)。（1）、我们从根节点1开始深度优先遍历，它相邻的节点有2、3、4，依先遍历节点2，再遍历2的右边节点5，再遍历9，至此便无可遍历的节点。对于每个节点来说，先遍历当前节点，然后把右节点压栈，再压左节点(这样弹栈的时候会先拿到左节点遍历，符合深度优先遍历要求)。广度优先遍历，指的是从图的一个未遍历的节点出发，先遍历这个节点的相邻节点，再依次遍历每个相邻节点的相邻节点。
图的深度优先遍历和广度优先遍历
weixin_42694598的博客
01-25 3713
本文参考自《大话数据结构》 文章目录定义图的存储结构邻接矩阵邻接表图的遍历深度优先遍历邻接矩阵代码邻接表代码广度优先遍历邻接矩阵邻接表最小生成树最短路径算法 定义 图(Graph) 是由顶点的有穷非空集合和顶点之间边的集合组成，通常表示为G(V，E)，其中，G表示一个图，V是图G中顶点的集合，E是图G中边的集合 。 图按照有无方向分为无向图 和有向图 。无向图由顶点和边构成，有向图由顶点和弧构成。弧有弧尾和弧头之分。 图按照边或弧的多少分稀疏图 和稠密图 。如果任意两个顶点之间都存在边叫完全图，有向的叫有向
（深度优先遍历和宽度优先遍历）DFS和BFS（2）
qq_63763951的博客
05-11 736
一篇超详细的DFS和BFS（算法学习）
深度优先遍历和广度优先遍历
weixin_63798323的博客
12-28 1万+
DFS与BFS
二叉树的宽度优先遍历和深度优先遍历
愿得一人心&&的博客
07-05 4507
二叉树的宽度优先遍历和深度优先遍历 1.宽度优先遍历： 即从根节点开始依次遍历左子节点和右子节点，直到所有子节点都变遍历完为止。 例如： （此二叉树图片来源于网络） 遍历顺序为：从根节点1开始依次遍历左子节点2和右子节点3，下一步分别以左右子节点为根节点，分别遍历对应的左右子节点4,5和6,7。 即最终的遍历顺序为：1234567 2.深度优先搜索 即从根节点开始一直遍历左子节点，直到左子...
大话数据结构-图的深度优先遍历和广度优先遍历
村长Korbin
03-02 9921
数据结构中图的深度优先遍历、广度优先遍历定义，邻接矩阵、邻接表、逆邻接表、十字链表、邻接多重表和边集数组的深度优先遍历实现和广度优先遍历实现。
图的深度优先遍历和宽度优先遍历C语言,图的深度优先遍历(DFS)和广度优先遍历(BFS)算法分析...
weixin_30877775的博客
05-21 1535
1. 深度优先遍历深度优先遍历(Depth First Search)的主要思想是：1、首先以一个未被访问过的顶点作为起始顶点，沿当前顶点的边走到未访问过的顶点；2、当没有未访问过的顶点时，则回到上一个顶点，继续试探别的顶点，直至所有的顶点都被访问过。在此我想用一句话来形容 “不到南墙不回头”。1.1　无向图的深度优先遍历图解以下"无向图"为例： 对上无向图进行深度优先遍历，从A开始：第1步：访问...
图的遍历 深度优先遍历 宽度优先遍历
07-04
以邻接表为存储结构，实现连通无向图的深度优先和广度优先遍历。以用户指定的结点为起点，分别输出每种遍历下的结点访问序列和相应生成树的边集。 [实现提示] 设图的结点不超过30个，每个结点用一个编号表示（如果...
javascript通过递归和栈实现树深度优先遍历和广度优先遍历
03-15
javascript通过递归和栈实现树深度优先遍历和广度优先遍历
数据结构实验3.4：以邻接表为存储结构的图的深度、宽度优先遍历.doc
10-29
数据结构实验报告主要探讨了如何使用邻接表作为存储结构来实现图的深度优先遍历（DFS）和广度优先遍历（BFS）。在计算机科学中，图是一种表示对象间关系的数据结构，邻接表是高效存储无向图或有向图的一种方式，它...
Graph-DFS_WFS.zip_java无向图_wfs遍历_深度优先遍历
09-24
本文将详细讲解"Graph-DFS_WFS.zip"压缩包中涉及的知识点，包括Java实现的无向图、深度优先遍历（DFS）以及宽度优先遍历（WFS）。 首先，我们来理解什么是无向图。无向图是一种图结构，其中的边没有方向性，即任意...
图的创建，深度优先，广度优先遍历
03-25
里面有有向图的创建，还有无向图的创建，还有自定义无向图的创建，还有广度优先便利和深度优先便利。 如果和我初学的小伙伴一样敲不出来可以瞅一瞅 刚刚我注释的很全，分开写的。反正不要钱多少看一点!对应的文章我...
备战秋招60天算法挑战，Day17
溜达虎的博客
08-13 396
给定两个字符串 和 ，编写一个函数来判断 是否是 的字母异位词。注意： 若 和 中每个字符出现的次数都相同，则称 和 互为字母异位词。举个例子： 视频题解 有效的字母异位词 思路来源 思路来源 思路解析 方法一 排序 分别对和进行排序，然后比较排序后的字符串是否相等。 java代码 python代码 复杂度分析 时间复杂度： 快排的时间复杂度是O(nlogn)，其中是字符串的长度。空间复杂度： 快排的空间复杂度是O(logn)。假设， 。 java代码 python代码 复杂度分析 时
算法的学习笔记—删除链表中重复的结点（牛客JZ76）
最新发布
业精于勤，荒于嬉
08-14 1204
本文介绍了一种删除排序链表中重复节点的高效算法。通过递归的方式，算法能够有效地删除所有重复节点，并保留链表中仅出现一次的节点。此方法的实现简单且易于理解，同时在时间和空间复杂度方面表现优异，适用于处理大规模数据链表中的重复节点问题。😁热门专栏推荐想学习vue的可以看看这个java基础合集数据库合集redis合集nginx合集linux合集手写机制微服务组件spring_尘觉springMVCmybits🤔欢迎大家加入我的社区尘觉社区。
【秋招笔试】8.11大疆秋招(第二套)-测开岗
清隆学长的博客
08-12 792
> 🍒 本专栏已收集 70+套笔试题，`笔试真题` 会在第一时间跟新 > > 🍹 近期会进行一波价格调整，没订阅的朋友抓紧冲！！！
【LeetCode每日一题】——623.在二叉树中增加一行
IronmanJay的博客
08-14 1137
给定一个二叉树的根 root 和两个整数 val 和 depth ，在给定的深度 depth 处添加一个值为 val 的节点行。 注意，根节点 root 位于深度 1 。 加法规则如下: 给定整数 depth，对于深度为 depth - 1 的每个非空树节点 cur ，创建两个值为 val 的树节点作为 cur 的左子树根和右子树根。 cur 原来的左子树应该是新的左子树根的左子树。 cur 原来的右子树应该是新的右子树根的右子树。 如果 depth == 1 意味着 depth - 1 根本没有深度
图的深度优先遍历和宽度优先遍历
11-27
以下是图的深度优先遍历和宽度优先遍历的介绍： 深度优先遍历（DFS）： 深度优先遍历是一种用于遍历或搜索树或图的算法。在这种搜索方法中，从根结点开始，尽可能深地搜索每个分支，直到到达最深的结点，然后回溯到前一个结点，继续搜索另一个分支，直到所有结点都被访问为止。深度优先遍历使用栈来实现，因此也称为“栈搜索”。 以下是深度优先遍历的Python代码示例： ```python # Python3 program to print DFS traversal # from a given given graph from collections import defaultdict # This class represents a directed graph using # adjacency list representation class Graph: # Constructor def __init__(self): # default dictionary to store graph self.graph = defaultdict(list) # function to add an edge to graph def addEdge(self, u, v): self.graph[u].append(v) # A function used by DFS def DFSUtil(self, v, visited): # Mark the current node as visited # and print it visited.add(v) print(v, end=' ') # Recur for all the vertices # adjacent to this vertex for neighbour in self.graph[v]: if neighbour not in visited: self.DFSUtil(neighbour, visited) # The function to do DFS traversal. It uses # recursive DFSUtil() def DFS(self, v): # Create a set to store visited vertices visited = set() # Call the recursive helper function # to print DFS traversal self.DFSUtil(v, visited) ``` 宽度优先遍历（BFS）： 宽度优先遍历是一种用于遍历或搜索树或图的算法。在这种搜索方法中，从根结点开始，逐层遍历每个结点的所有子结点，直到到达最深的结点。宽度优先遍历使用队列来实现。 以下是宽度优先遍历的Python代码示例： ```python # Python3 program to print BFS traversal # from a given source vertex. BFS(int s) # traverses vertices reachable from s. from collections import defaultdict # This class represents a directed graph # using adjacency list representation class Graph: # Constructor def __init__(self): # default dictionary to store graph self.graph = defaultdict(list) # function to add an edge to graph def addEdge(self, u, v): self.graph[u].append(v) # Function to print a BFS of graph def BFS(self, s): # Mark all the vertices as not visited visited = [False] * (max(self.graph) + 1) # Create a queue for BFS queue = [] # Mark the source node as # visited and enqueue it queue.append(s) visited[s] = True while queue: # Dequeue a vertex from # queue and print it s = queue.pop(0) print(s, end=" ") # Get all adjacent vertices of the # dequeued vertex s. If a adjacent # has not been visited, then mark it # visited and enqueue it for i in self.graph[s]: if visited[i] == False: queue.append(i) visited[i] = True ```
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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