Graph图

Graphs

DFS包括了前序 中序 后续等搜索方式

通常用递归

BFS包括level order 是广度搜索

通常用queue（队列）

基本概念

graph

• 顶点（节点）
• 边（连接两个顶点）
• 有边的两个顶点是相邻的
• Optional：边可以有权重

path

一系列被边连接起来的顶点

cycle

首尾相同

深度搜索(DepthFirstSearch)

不停的找到最底层之前不会返回任何东西

Traversal

Tree

前序遍历（Proorder）

根节点->左节点->右节点

    1
   / \
  2   3
 / \
4   5

顺序为12453

作用：用来复制树结构

中序遍历（Inorder）

左子树->根节点->右子树

顺序为42513

作用：二叉搜索树，按升序输出所有节点值

后序遍历（Postorder）

左子树->右子树->根节点

顺序为45231

作用：删除或者计算树总和，因为他最后访问根节点

层序遍历（Level Order）

从根节点开始，每一层从左往右访问每个节点

作用：寻找树的最短路径，计算树高度

Graph

A
/ \
B   C
/ \   \
D   E   F

DFS Preorder

ABDECF

DFS Postorder

优先访问所有他的邻居节点，最后访问根节点

DEBCFA

Level order

根据距离，从相同距离的开始遍历，越来越远

如何可以多种方式到达，取最小

拓扑排序

不会真正的排序，区别于前序他会restart（回溯），探索完一个分支以后，会回溯到上一个节点，继续探索其他为访问的邻接节点

，根据多个起点，最终全部search，所有左边的节点指向右边

不能用于循环的

可以是DFS(深度优先搜索)的reverse

假设有一个图：

A → B
A → C
B → D
C → D

• DFS访问顺序可能是：

  1. 从A开始，访问B（然后再访问D）
  2. 访问C（然后再访问D）

  这个过程中，D会被添加到结果列表中，然后是B和C，最后是A。

• 最终结果列表为 ['D', 'B', 'C', 'A']，反转后变为 ['A', 'C', 'B', 'D']，这是一个有效的拓扑排序。

作用：

1. 任务调度

在需要按照特定顺序执行的一系列任务中，拓扑排序可以帮助确定任务的执行顺序。例如，编译多个源文件时，某些文件可能依赖于其他文件，拓扑排序可以确保在编译前先处理所有依赖的文件。

2. 课程安排

在学校中，某些课程可能要求学生在学习之前先完成其他课程。拓扑排序可以帮助安排课程顺序，以确保所有先修课程都在其后续课程之前完成。

3. 项目管理

在项目管理中，拓扑排序可以用来识别项目任务之间的依赖关系，以便确定项目的进度和资源分配。

4. 构建系统

在软件开发中，构建系统通常需要根据文件间的依赖关系进行构建。拓扑排序可以帮助确定构建的顺序，从而避免因依赖问题导致的构建失败。

5. 网络路由

在计算机网络中，拓扑排序可以用于确定数据包在网络中的最佳传输路径，以优化网络流量和资源使用。

6. 数据依赖关系管理

在数据库或其他系统中，拓扑排序可以帮助管理数据之间的依赖关系，以确保数据的完整性和一致性。

7. 算法设计

在设计某些算法时，尤其是动态规划或贪心算法，拓扑排序可以作为一种预处理步骤，用于简化问题或确定处理顺序。

广度优先搜索

相当于level order

遍历到了1，邻接4，5，把4，5都设置为true，然后加入队列里

先进先出，每次处理一个