用邻接表dfs和bfs图

树是一种特殊的图,与图的存储方式相同。 对于无向图中的边ab,存储两条有向边a->b, b->a。 因此我们可以只考虑有向图的存储。

(1) 邻接矩阵:g[a][b] 存储边a->b

(2) 邻接表:

// 对于每个点k,开一个单链表,存储k所有可以走到的点。h[k]存储这个单链表的头结点
int h[N], e[N], ne[N], idx;

// 添加一条边a->b
void add(int a, int b)
{
    e[idx] = b, ne[idx] = h[a], h[a] = idx ++ ;
}

// 初始化
idx = 0;
memset(h, -1, sizeof h);

dfs

然后你dfs的时候就直接面对的就是你的直接儿子,你就对你的直接儿子操作就行了,不用担心,你的直接儿子的一切结果都已经是算好了的,递归会帮你算好你这个直接儿子的一切。

就是你只需要保证你这个程序同时也能够处理好面对叶子结点的情况,让叶子结点返回的是一个正确的东西就行了。

dfs就是你要求这个点的结果的前提就是你这个点的所有儿子的结果求出来。然后再次进一层。你要求你所有儿子的结果,就是要把你儿子的所有儿子的结果求出来。直到最后一个没有儿子的。

dfs就是从根结点开始,对于你的每一个儿子,先找到你这个儿子的最小的儿子,当你这个儿子的所有最小的儿子都找完了。就代表你次最小的儿子的结果应该差不多就要出来了。

int dfs(int u)
{
    st[u] = true; // st[u] 表示点u已经被遍历过

    for (int i = h[u]; i != -1; i = ne[i])
    {
        int j = e[i];
        if (!st[j]) dfs(j);
    }
}

bfs

queue<int> q;
st[1] = true; // 表示1号点已经被遍历过
q.push(1);

while (q.size())
{
    int t = q.front();
    q.pop();

    for (int i = h[t]; i != -1; i = ne[i])
    {
        int j = e[i];
        if (!st[j])
        {
            st[j] = true; // 表示点j已经被遍历过
            q.push(j);
        }
    }
}
好的,我可以为你介绍一下邻接矩阵和邻接表的创建方法以及DFSBFS操作的实现。 ## 邻接矩阵 邻接矩阵是一种创建的方式,它使用一个二维数组来表示中各个节点之间的关系。如果中有N个节点,那么邻接矩阵就是一个N*N的矩阵。其中,如果节点i和节点j之间有边相连,则邻接矩阵中第i行第j列的值为1,否则为0。 邻接矩阵的创建方法如下: ```python # 创建邻接矩阵 def create_adj_matrix(graph, n): adj_matrix = [[0] * n for _ in range(n)] # 初始化邻接矩阵,全部为0 for i in range(n): for j in range(n): if graph[i][j] == 1: adj_matrix[i][j] = 1 return adj_matrix ``` 其中,graph是一个二维数组,表示原始的,n表示节点的个数。 接下来,我们可以使用DFSBFS算法来遍历邻接矩阵表示的。 ## DFS DFS(深度优先搜索)是一种递归的搜索算法,它从一个起始点开始,沿着一条路径一直到达最深处,直到无法继续下去时,返回上一个节点,然后选择另一条路径继续搜索,直到遍历完整个DFS的实现方法如下: ```python # DFS遍历邻接矩阵 def dfs(adj_matrix, visited, n, start): visited[start] = True print(start, end=' ') for i in range(n): if adj_matrix[start][i] == 1 and not visited[i]: dfs(adj_matrix, visited, n, i) ``` 其中,adj_matrix是邻接矩阵,visited是一个数组,用于记录节点是否被访问过,n表示节点的个数,start表示起始节点。 ## BFS BFS(广度优先搜索)是一种非递归的搜索算法,它从一个起始点开始,先访问它的所有邻居节点,然后访问邻居节点的邻居节点,以此类推,直到遍历完整个BFS的实现方法如下: ```python # BFS遍历邻接矩阵 def bfs(adj_matrix, visited, n, start): queue = [] visited[start] = True queue.append(start) while queue: node = queue.pop(0) print(node, end=' ') for i in range(n): if adj_matrix[node][i] == 1 and not visited[i]: visited[i] = True queue.append(i) ``` 其中,adj_matrix是邻接矩阵,visited是一个数组,用于记录节点是否被访问过,n表示节点的个数,start表示起始节点。queue是一个队列,用于存储待访问的节点。 ## 邻接表 邻接表是另一种创建的方式,它使用一个数组来表示中各个节点,每个节点对应一个链表,链表中存储该节点所连接的其他节点。 邻接表的创建方法如下: ```python # 创建邻接表 def create_adj_list(graph, n): adj_list = [[] for _ in range(n)] # 初始化邻接表 for i in range(n): for j in range(n): if graph[i][j] == 1: adj_list[i].append(j) return adj_list ``` 其中,graph是一个二维数组,表示原始的,n表示节点的个数。 接下来,我们可以使用DFSBFS算法来遍历邻接表表示的。 ## DFS DFS(深度优先搜索)是一种递归的搜索算法,它从一个起始点开始,沿着一条路径一直到达最深处,直到无法继续下去时,返回上一个节点,然后选择另一条路径继续搜索,直到遍历完整个DFS的实现方法如下: ```python # DFS遍历邻接表 def dfs(adj_list, visited, start): visited[start] = True print(start, end=' ') for i in adj_list[start]: if not visited[i]: dfs(adj_list, visited, i) ``` 其中,adj_list是邻接表,visited是一个数组,用于记录节点是否被访问过,start表示起始节点。 ## BFS BFS(广度优先搜索)是一种非递归的搜索算法,它从一个起始点开始,先访问它的所有邻居节点,然后访问邻居节点的邻居节点,以此类推,直到遍历完整个BFS的实现方法如下: ```python # BFS遍历邻接表 def bfs(adj_list, visited, start): queue = [] visited[start] = True queue.append(start) while queue: node = queue.pop(0) print(node, end=' ') for i in adj_list[node]: if not visited[i]: visited[i] = True queue.append(i) ``` 其中,adj_list是邻接表,visited是一个数组,用于记录节点是否被访问过,start表示起始节点。queue是一个队列,用于存储待访问的节点。 希望这些代码可以帮助你更好地理解邻接矩阵和邻接表的创建方法以及DFSBFS算法的实现。
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