[我的第一本算法书] 第四章 摘录 图 广度优先搜索 深度优先搜索 贝尔曼-福特算法 Dijkstra算法 A*算法

广度优先搜索算法

广度优先搜索算法:是一种对图进行搜索的算法.假设我们一开始位于某个顶点(即起点),此时并不知道图的整体结构,而我们的目的是从起点开始顺着边搜索,直到到达指定顶点(即终点).在此过程中每走到一个顶点,就会判断一次它是否为终点.广度优先搜索会优先从离起点近的顶点开始搜索.

广度优先搜索的特征为从起点开始,由近及远进行广泛的搜索.因此,目标顶点离起点越近,搜索结束得越快.

深度优先搜索

深度优先搜索和广度优先搜索一样,都是对图进行搜索的算法,目的都是从起点开始搜索直到达到指定顶点(终点).深度优先搜索会沿着一条路径不断往下搜索直到不能再继续为止,然后再折返,开始搜索下一条候补路径.
要特别注意的是:此处,候补顶点用’后入先出’(LIFO)的方式来管理的,因此可以使用’栈’这个数据结构

深度优先搜索的特征为沿着一条路径不断往下,进行深度搜索.虽然广度优先搜索和深度优先搜索在搜索顺序上有着很大的差异,但是在操作步骤上却只有一点不同,那就是选择哪一个候补顶点作为下一个顶点的基准不同.
广度优先搜索选择的是最早成为候补的顶点,因为顶点离起点越近就越早成为候补,所以会从离起点近的地方开始按顺序搜索;而深度优先搜索选择的则是最新成为候补的顶点,所以会一路往下,沿着新发现的路径不断深入搜索.

贝尔曼-福特算法

贝尔曼-福特算法是一种在图中求解最短路径问题的算法.最短路径问题就是在加权图指定了起点和终点的前提下,寻找从起点到终点的路径中权重总和最小的那条路径.
将图的顶点设为n,边数设为m,我们来思考一下贝尔曼-福特算法的时间复杂度是多少.该算法经过n轮更新操作后就会停止,而在每轮更新操作中都需要对各个边进行1次确认,因此1轮更新所花费的时间就是O(m),整体的时间复杂度就是O(mn).
为了便于说明,前面的讲解以无向图为例,但在有向图中同样可以求解最短路径问题,选出一条边并计算顶点的权重时,在有向图中只按照边所指向的那个方向来计算就可以了.
补充说明:计算最短路径时,边的权重代表的通常是时间,距离或者路费等,因此基本都是非负数,不过,即便权重为负,贝尔曼-福特算法也可以正常运行.
但是,如果在一个闭环中边的权重总和是负数,那么只要不断遍历这个闭环,路径的权重就能不断减小,也就是说根本不存在最短路径,遇到这种对顶点进行n次更新操作后仍能继续更新的情况,就可以认定它’不存在最短路径’
贝尔曼-福特算法的名称取自其创始人理查德-贝尔曼和莱斯特-福特的名字.贝尔曼也因为提出了该算法的一个重要分支’动态规划’而被世人所熟知.

狄克斯特拉算法

与前面提到的贝尔曼-福特算法类似,狄克斯特拉算法也是求解最短路径问题的算法.使用它可以求得从起点到终点的路径中权重总和最小的那条路径.
比起需要对所有的边都要重复计算权重并更新权重的贝尔曼-福特算法.狄克斯特拉算法多了一步选择顶点的操作,这使得它在求最短路径上更为高效.
将图的顶点数设为n,边数设为m,那么如果实现不进行任何处理,该算法的时间复杂度就是O(n^2).不过,如果对数据结构进行优化,那么时间复杂度就会变为O(m+nlogn)
对于有负数权重的边的图,狄克斯特拉算法可能会算出错误的路径,实际上是没有最短路径的,而贝尔曼-福特算法是可以发现没有最短路径的.
所以,对于权重有负数的情况,可以使用贝尔曼-福特算法,不然的话使用狄克斯特拉算法更加高效.

A*算法

A star算法也是一种在图中求解最短路径问题的算法,由狄克斯特拉算法发展而来.狄克斯特拉算法会从离起点近的顶点开始,按顺序求出起点到各个顶点的最短路径,也就是说,一些距离远的顶点的最短路径会先被算出来,但这部分其实是无用的.与之不同,A就会预先估算一个值,并利用这个值来省去一些无用的计算.
如果我们能够得到一些启发信息,即各个顶点到终点的大致距离(这个距离不需要是准确的值),我们就能使用A算法.当然,有时这类信息完全无法估算,这是就不能使用A算法.
A算法在游戏编程中经常被用于计算敌人追赶玩家时的行动路线等,但由于该算法的计算量较大,所以可能会使游戏整体的运行速度变慢.因此在实际编程中,需要考虑结合其他算法,或者根据具体的应用场景做出相应调整.