数据结构——队列与广度优先遍历

最新推荐文章于 2023-10-14 18:29:15 发布

是会飞的猪

最新推荐文章于 2023-10-14 18:29:15 发布

阅读量1.4k

点赞数 2

分类专栏：数据结构

本文链接：https://blog.csdn.net/weixin_42597880/article/details/105895486

版权

本文介绍了队列的特点，包括一般队列、优先队列和循环队列，并探讨了队列在实际问题中的应用。同时，文章详细阐述了广度优先搜索（BFS）的基本概念，指出BFS在寻找最短路径中的优势及其空间复杂度分析。通过实例力扣200题，进一步解释了BFS在解决岛屿数量问题上的应用。

摘要由CSDN通过智能技术生成

一、队列的特点

先进先出
队列的应用

1. 一般的队列

用链表或动态数组和指向队列头部的索引实现，队列应支持两种操作：入队和出队，具体看队列
缺点：使用固定大小数组时，会造成空间浪费
在这里插入图片描述
当删掉队首元素后，头指针后移，有一个空位无法使用。
解决方法：使用循环队列

2. 优先队列

优先队列给每个元素增加了一个优先级属性，优先级大的元素在前面，具体实现看优先级队列

3. 循环队列

使用固定大小的数组和两个指针指示起始位置和终止位置，重用被浪费的存储。

头指针在前
头指针在后

力扣：设计循环队列

我的实现

二、广度优先搜索（BFS）

1. BFS的特点

（1）每一层的节点齐头并进，像是面一样往前走，所以在某一层找到的目标就是最短路径。
（2）BFS的空间复杂度比DFS高，对于DFS空间复杂度就是递归堆栈，最坏情况下顶多就是树的高度，也就是O(logN)；对于BFS存储每一层的所有节点，最坏情况下空间复杂度是树的最底层节点的数量N/2，即O(N)。

// 模板
function BFS(root, target) {
   
	// 定义队列，存入根节点
	let queue = [root];
	// 每一层到根节点的距离
	let step = 0;
	// 使用哈西表防止重复访问同一个节点
	let hash = new Set();
	hash.set(root);
	// 队列不为空就说明没有遍历完
	while(queue.length) {
   
		// 深度加一
		step += 1;
		// 当前层节点的数量
		let size