“chaos”的算法--之图的深度遍历和广度遍历

近段时间又回顾了下数据结构中的图，我之前的有一篇博文介绍了图与线性表和树的区别与联系。
并且就图的存储和图的创建也做了一些简单的说明，

这一篇我将着重说说图的两种基本的遍历方法，深度遍历和广度遍历。
深度遍历：
深度遍历类似于树的先根遍历，是树的先根遍历的推广。假设初始状态是图中所有顶点未曾被访问，则深度遍历可从图中
某个顶点v出发，访问此顶点，然后依次从v的未被访问的邻接点出发深度优先遍历图，直至图中所有与v有路径的顶点都被访问到，若此时
图中尚有顶点未被访问，则另选图中一个未被访问的顶点作为起始点，重复上述过程，直至图中所有顶点都被访问到为止。
其具体的代码实现如下：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32

int  DFSTraverse(MGraph G) {   int  v;   printf ( "\n深度遍历输出 : \n" );   for (v = 0; v < G.vexnum; v++)   {    visited[v] = 0;   }   for (v = 0; v < G.vexnum; v++)   {    if (visited[v] == 0)    {     DFS(G, v);     printf ( "\n" );    }   }   return  true ; } int  DFS(MGraph G,  int  v) {   int  w;   visited[v] = 1;   printf ( "%s  " , G.vexs[v]);   for (w = 0; w < G.vexnum; w++)   {    if (G.arcs[v][w].adj ==1 && visited[w] == 0)    {     DFS(G,w);    }   }   return  true ; }

   其实质是运用了递归思想，在遍历图中时，对图中的每个顶点之多调用一次DNS函数，因为一旦某个顶点呗标志城已被访问，
就不再从它出发进行搜索了，因此遍历图的实质上是对每个顶点查找器邻接点的过程。

广度遍历：
    广度优先搜索遍历类似于树的按层次遍历的过程。假设从图中某个顶点v出发，在访问了v之后依次访问v的各个未曾访问过的邻接点，然后分别
从这些邻接点出发依次访问它们的邻接点，并使“先被访问的顶点的邻接点”先与“后被访问的邻接点”被访问，直至图中所有已被访问的邻接点都被访问到，
若此时图中尚有顶点未被访问到，则另选图中一个未被访问的顶点作为起始点，重复上述操作，直至图中所有顶点都被访问到为止。
其具体代码实现如下：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98

int  QueueInit(Queue *sq) {   if (sq)   {    sq->front = 0;    sq->rear = 0;   }   else    return  false ;   return  true ; } int  QueueIsEmpty(Queue sq) {   if (sq.front == sq.rear)    return  true ;   else    return  false ; } int  EnQueue(Queue *sq,  int  x) {   if (sq->front == (sq->rear+1)%MAX_VERTEX_NUM)   {    printf ( "Queue is full!\n" );    return  false ;   }   else   {    sq->data[sq->rear] = x;    sq->rear = (sq->rear+1)%MAX_VERTEX_NUM;   } } int  OutQueue(Queue *sq) {   if (QueueIsEmpty(*sq))   {    printf ( "Queue is Empty!\n" );    return  false ;   }   else   {    sq->front = (sq->front+1)%MAX_VERTEX_NUM;   } } int  QueueFront(Queue sq,  int  *e) {   if (QueueIsEmpty(sq))   {    printf ( "Queue is full!\n" );    return  false ;   }   else   {    *e = sq.data[sq.front];    return  true ;   } } int  BFSTraverse(MGraph G) {   int  v;   printf ( "广度遍历 : \n" );   for (v = 0; v < G.vexnum; v++)   {    visited[v] = 0;   }   for (v = 0; v < G.vexnum; v++)   {    if (visited[v] == 0)    {     BFS(G, v);     printf ( "\n" );    }   }   return  true ; } int  BFS(MGraph G,  int  v) {   int  v1, v2;   Queue sq;   QueueInit(&sq);   EnQueue(&sq, v);   visited[v] = 1;   printf ( "%s  " , G.vexs[v]);   while (QueueIsEmpty(sq) ==  false )   {    QueueFront(sq, &v1);    OutQueue(&sq);    for (v2 = 0; v2 < G.vexnum; v2++)    {     if (G.arcs[v1][v2].adj != 0 && visited[v2] == 0)     {      EnQueue(&sq, v2);      visited[v2] = 1;      printf ( "%s  " , G.vexs[v2]);     }    }   }   return  true ; }

   对于图的广度优先遍历的试下来说，运用了队列的特点，每一个顶点之多进一次队列，便利图的实质上是通过边或者弧
找邻接点的过程。

   从上可以看出，其实广度遍历和深度遍历它们两者的时间复杂度是一样的，两者的不同之处仅仅在于对顶点访问的顺序不同而已。

     本文转自 驿落黄昏 51CTO博客，原文链接：http://blog.51cto.com/yiluohuanghun/836495，如需转载请自行联系原作者