【数据结构与算法】BFS 和 DFS

最新推荐文章于 2024-04-17 09:59:32 发布

程序喵正在路上

最新推荐文章于 2024-04-17 09:59:32 发布

阅读量929

点赞数

分类专栏：数据结构与算法（C语言）文章标签：宽度优先深度优先算法

本文链接：https://blog.csdn.net/weixin_62511863/article/details/127834467

版权

数据结构与算法（C语言）专栏收录该内容

21 篇文章 12 订阅

订阅专栏

🔥 本文由程序喵正在路上原创，CSDN首发！
💖 系列专栏：数据结构与算法
🌠 首发时间：2022年11月16日
🦋 欢迎关注🖱点赞👍收藏🌟留言🐾
🌟 一以贯之的努力不得懈怠的人生

基本操作

$A d j a c e n t (G, x, y)$ ：判断图 $G$ 是否存在边 $< x, y >$ 或 $(x, y)$
$N e i g h b o r s (G, x)$ ：列出图 $G$ 中与结点 $x$ 邻接的边
$I n s e r t V e r t e x (G, x)$ ：在图 $G$ 中插入顶点 $x$
$D e l e t e V e r t e x (G, x)$ ：在图 $G$ 中删除顶点 $x$
$A d d E d g e (G, x, y)$ ：若无向边 $(x, y)$ 或有向边 $< x, y >$ 不存在，则向图 $G$ 中添加该边
$R e m o v e E d g e (G, x, y)$ ：若无向边 $(x, y)$ 或有向边 $< x, y >$ 存在，则从图 $G$ 中删除该边
$F i r s t N e i g h b o r (G, x)$ ：求图 $G$ 中顶点 $x$ 的第一个邻接点，若有则返回顶点号；若 $x$ 没有邻接点或图中不存在 $x$ ，则返回 $- 1$
$N e x t N e i g h b o r (G, x, y)$ ：假设图 $G$ 中顶点 $y$ 是顶点 $x$ 的一个邻接点，返回除了 $y$ 之外顶点 $x$ 的下一个邻接点的顶点号，若 $y$ 是 $x$ 的最后一个邻接点，则返回 $- 1$
$Get_edge_value(G, x, y)$ ：获取图 $G$ 中边 $(x, y)$ 或 $< x, y >$ 对应的权值
$Set_edge_value(G, x, y, v)$ ：设置图 $G$ 中边 $(x, y)$ 或 $< x, y >$ 对应的权值为 $v$

广度优先遍历（BFS）

与树的广度优先遍历之间的联系

树的广度优先遍历，也就是树的层次遍历，有以下步骤：

若树非空，则根节点入队
若队列非空，队头元素出队并访问，同时将该元素的孩子依次入队
重复第 $2$ 步指导队列为空

对于树，由于树不存在 “回路”，因此在搜索相邻的结点时，不可能搜索到已经访问过的结点；而图则反之，所以我们需要对图中的结点进行标记，以此来识别这个结点是否访问过

广度优先遍历（ $B r e a d t h - F i r s t - S e a r c h, B F S$ ）要点：

找到与一个顶点相邻的所有顶点
标记哪些顶点被访问过
需要一个辅助队列

在广度优先遍历中，我们需要用到两个基本操作：

$F i r s t N e i g h b o r (G, x)$ ：求图 $G$ 中顶点 $x$ 的第一个邻接点，若有则返回顶点号；若 $x$ 没有邻接点或图中不存在 $x$ ，则返回 $- 1$
$N e x t N e i g h b o r (G, x, y)$ ：假设图 $G$ 中顶点 $y$ 是顶点 $x$ 的一个邻接点，返回除了 $y$ 之外顶点 $x$ 的下一个邻接点的顶点号，若 $y$ 是 $x$ 的最后一个邻接点，则返回 $- 1$

算法实现

bool visited[MAX_VERTEX_NUM];	//访问标记数组，初始值都为false

void BFSTraverse(Graph G) {		//对图G进行广度优先遍历
	for (i = 0; i < G.vexnum; ++i) {
		visited[i] = false;		//访问标记数组初始化
	}
	InitQueue(Q);				//初始化辅助队列Q
	for (i = 0; i < G.vexnum; ++i) {	//从0号顶点开始遍历
		if (!visited[i]) 				//对每个连通分量调用一次BFS
			BFS(G, i);					//vi未访问过，从vi开始BFS
	}
}
		
//广度优先遍历
void BFS(Graph G, int v) {		//从顶点v出发，广度优先遍历图
	visit(v);					//访问初始顶点v
	visited[v] = true;			//对v做已访问标记
	Enqueue(Q, v);				//顶点v入队列Q
	while (!isEmpty(Q)) {
		DeQueue(Q, v);			//顶点v出队
		for (w = FirstNeighbor(G, v); w >= 0; w = NextNeighbor(G, v, w)) {
			//检测v所有邻接点
			if (!visited[w]) {				//w为v的未访问过的邻接顶点
				visit(w);					//访问顶点w
				visited[w] = true;			//对w做已访问标记
				Enqueue(Q, w);				//顶点w入队列Q
			}//if
		}//for
	}//while
}

结论：对于无向图，调用 $B F S$ 函数的次数 $=$ 连通分量数（连通分量：一个极大连通子图为一个连通分量）

复杂度分析

空间复杂度：

最坏情况，我们访问第一个顶点时，所有顶点都和它连通，此时辅助队列大小为 $O (∣ V ∣)$

如果我们是用邻接矩阵存储的图：

在这里插入图片描述

访问 $∣ V ∣$ 个顶点需要 $O (∣ V ∣)$ 的时间
查找每个顶点的邻接点都需要 $O (∣ V ∣)$ 的时间，而总共有 $∣ V ∣$ 个顶点
时间复杂度 $O(|V|^2)$

如果我们是用邻接表存储的图：
在这里插入图片描述

访问 $∣ V ∣$ 个顶点需要 $O (∣ V ∣)$ 的时间
查找每个顶点的邻接点共需要 $O (∣ E ∣)$ 的时间
时间复杂度 $= O (∣ V ∣ + ∣ E ∣)$

广度优先生成树

在这里插入图片描述

广度优先生成树由广度优先遍历过程确定。由于邻接表的表示方式不唯一，因此基于邻接表的广度优先生成树也不唯一

对于非连通图的广度优先遍历，我们还可以得到广度优先生成森林

深度优先遍历（DFS）

与树的深度优先遍历之间的联系

树的深度优先遍历分为先根遍历和后根遍历，图的深度优先遍历和树的先根遍历比较相似

//树的先根遍历
void PreOrder(TreeNode *R) {
	if (R != NULL) {
		visit(R);		//访问根节点
		while (R还有下一个子树T)
			PreOrder(T);	//先根遍历下一棵子树
	}
}

算法实现

bool visited[MAX_VERTEX_NUM];	//访问标记数组

void DFSTraverse(Graph G) {				//对图G进行深度优先遍历
	for (v = 0; v < G.vexnum; ++v)		//初始化已访问标记数据
		visited[v] = false;
	for (v = 0; v < G.vexnuj; ++v)		//解决非连通图无法遍历完的问题
		if (!visited[v]) DFS(G, v);
}

void DFS(Graph G, int v) {		//从顶点v出发，深度优先遍历图G
	visit(v);					//访问顶点v
	visited[v] = true;			//设置已访问标记
	for (w = FirstNeighbor(G, v); w >= 0; w = NextNeighbor(G, v, w)) {
		if (!visited[w]) {		//w为v的未访问的邻接顶点
			DFS(G, w);
		}
	}
}