代码随想录算法训练营day64 | 98. 所有可达路径

图论理论基础

1、图的种类

整体上一般分为 有向图 和 无向图。

加权有向图,就是图中边是有权值的,加权无向图也是同理。

2、度

无向图中有几条边连接该节点,该节点就有几度

在有向图中,每个节点有出度和入度。出度:从该节点出发的边的个数。入度:指向该节点边的个数。

3、连通性

在图中表示节点的连通情况,我们称之为连通性

连通图和强连通图
  • 在无向图中,任何两个节点都是可以到达的,我们称之为连通图。如果有节点不能到达其他节点,则为非连通图。
  • 在有向图中,任何两个节点是可以相互到达的,我们称之为 强连通图。
连通分量和强连通分量
  • 在无向图中的极大连通子图称之为该图的一个连通分量。
  • 在有向图中极大强连通子图称之为该图的强连通分量。

4、图的构造

一般使用邻接表、邻接矩阵 或者用类来表示。主要是 朴素存储、邻接表和邻接矩阵。

邻接矩阵 使用 二维数组来表示图结构。 邻接矩阵是从节点的角度来表示图,有多少节点就申请多大的二维数组。

邻接矩阵

优点:

  • 表达方式简单,易于理解
  • 检查任意两个顶点间是否存在边的操作非常快
  • 适合稠密图,在边数接近顶点数平方的图中,邻接矩阵是一种空间效率较高的表示方法。

缺点:

  • 遇到稀疏图,会导致申请过大的二维数组造成空间浪费 且遍历 边 的时候需要遍历整个n * n矩阵,造成时间浪费
  • 邻接表 使用 数组 + 链表的方式来表示。 邻接表是从边的数量来表示图,有多少边 才会申请对应大小的链表。
邻接表

优点:

  • 对于稀疏图的存储,只需要存储边,空间利用率高
  • 遍历节点连接情况相对容易

缺点:

  • 检查任意两个节点间是否存在边,效率相对低,需要 O(V)时间,V表示某节点连接其他节点的数量。
  • 实现相对复杂,不易理解

5、图的遍历方式

  • 深度优先搜索(dfs)
  • 广度优先搜索(bfs)

深搜理论基础

关键就两点:

  • 搜索方向,是认准一个方向搜,直到碰壁之后再换方向
  • 换方向是撤销原路径,改为节点链接的下一个路径,回溯的过程

代码框架

void dfs(参数) {
    if (终止条件) {
        存放结果;
        return;
    }

    for (选择:本节点所连接的其他节点) {
        处理节点;
        dfs(图,选择的节点); // 递归
        回溯,撤销处理结果
    }
}

98. 所有可达路径(卡码网)

深搜三部曲
  • 确认递归函数,参数
  • 确认终止条件
  • 处理目前搜索节点出发的路径
邻接矩阵写法
def dfs(graph, x, n, result, path):
    # 当前遍历的节点x 到达节点n 
    if x == n: # 找到符合条件的一条路径
        result.append(path[:])
        return

    for i in range(1, n+1):  # 遍历节点x链接的所有节点
        if graph[x][i] == 1:  
            path.append(i)
            dfs(graph, i, n, result, path)
            path.pop()


if __name__ == "__main__":

    n, m = map(int, input().strip().split())

    # 节点编号从1到n,所以申请 n+1 这么大的数组
    graph = [[0] * (n + 1) for _ in range(n+1)]

    for _ in range(m):
        s, t = map(int, input().strip().split())
        # 使用邻接矩阵 表示无线图,1 表示 s 与 t 是相连的
        graph[s][t] = 1
   
    result = []
    dfs(graph, 1, n, result, [1])

    # 输出结果
    if len(result) == 0:
        print(-1)
    for path in result:
        print(" ".join([str(i) for i in path]))
邻接表写法
def dfs(graph, x, n, result, path):
    # 当前遍历的节点x 到达节点n 
    if x == n: # 找到符合条件的一条路径
        result.append(path[:])
        return

    for i in graph[x]:  # 遍历节点x链接的所有节点
        path.append(i)
        dfs(graph, i, n, result, path)
        path.pop()


if __name__ == "__main__":

    n, m = map(int, input().strip().split())

    # 节点编号从1到n,所以申请 n+1 这么大的数组
    graph = [[] for _ in range(n+1)]  # 邻接表

    for _ in range(m):
        s, t = map(int, input().strip().split())
        # 使用邻接表
        graph[s].append(t)
   
    result = []
    dfs(graph, 1, n, result, [1])

    # 输出结果
    if len(result) == 0:
        print(-1)
    for path in result:
        print(" ".join([str(i) for i in path]))

主要在生成图和遍历图的时候不一样

广搜理论基础

广搜的使用场景

广搜的搜索方式就适合于解决两个点之间的最短路径问题。因为广搜是从起点出发,以起始点为中心一圈一圈进行搜索,一旦遇到终点,记录之前走过的节点就是一条最短路。

代码框架
int dir[4][2] = {0, 1, 1, 0, -1, 0, 0, -1}; // 表示四个方向
// grid 是地图,也就是一个二维数组
// visited标记访问过的节点,不要重复访问
// x,y 表示开始搜索节点的下标
void bfs(vector<vector<char>>& grid, vector<vector<bool>>& visited, int x, int y) {
    queue<pair<int, int>> que; // 定义队列
    que.push({x, y}); // 起始节点加入队列
    visited[x][y] = true; // 只要加入队列,立刻标记为访问过的节点
    while(!que.empty()) { // 开始遍历队列里的元素
        pair<int ,int> cur = que.front(); que.pop(); // 从队列取元素
        int curx = cur.first;
        int cury = cur.second; // 当前节点坐标
        for (int i = 0; i < 4; i++) { // 开始想当前节点的四个方向左右上下去遍历
            int nextx = curx + dir[i][0];
            int nexty = cury + dir[i][1]; // 获取周边四个方向的坐标
            if (nextx < 0 || nextx >= grid.size() || nexty < 0 || nexty >= grid[0].size()) continue;  // 坐标越界了,直接跳过
            if (!visited[nextx][nexty]) { // 如果节点没被访问过
                que.push({nextx, nexty});  // 队列添加该节点为下一轮要遍历的节点
                visited[nextx][nexty] = true; // 只要加入队列立刻标记,避免重复访问
            }
        }
    }

}

  • 3
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
代码随想录算法训练营是一个优质的学习和讨论平台,提供了丰富的算法训练内容和讨论交流机会。在训练营中,学员们可以通过观看视频讲解来学习算法知识,并根据讲解内容进行刷题练习。此外,训练营还提供了刷题建议,例如先看视频、了解自己所使用的编程语言、使用日志等方法来提高刷题效果和语言掌握程度。 训练营中的讨论内容非常丰富,涵盖了各种算法知识点和解题方法。例如,在第14天的训练营中,讲解了二叉树的理论基础、递归遍历、迭代遍历和统一遍历的内容。此外,在讨论中还分享了相关的博客文章和配图,帮助学员更好地理解和掌握二叉树的遍历方法。 训练营还提供了每日的讨论知识点,例如在第15天的讨论中,介绍了层序遍历的方法和使用队列来模拟一层一层遍历的效果。在第16天的讨论中,重点讨论了如何进行调试(debug)的方法,认为掌握调试技巧可以帮助学员更好地解决问题和写出正确的算法代码。 总之,代码随想录算法训练营是一个提供优质学习和讨论环境的平台,可以帮助学员系统地学习算法知识,并提供了丰富的讨论内容和刷题建议来提高算法编程能力。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* *3* [代码随想录算法训练营每日精华](https://blog.csdn.net/weixin_38556197/article/details/128462133)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 100%"] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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
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