【数据结构】图的遍历方法 深度优先遍历和广度优先遍历

转自 :http://blog.csdn.net/sundong_d/article/details/44992839


目录(?)[+]

接着上次的文章“图的构建(邻接链表法)”,邻接链表法构建图相对来说比较简单,并且遍历起来也相对简单,但是要是动态添加图的节点和图的边,则是实在不方便,不过现在不管那么多,今天的主题是遍历。

-有另外一种图的构建方法,叫做十字链表法,插入删除比较方便,但是相对来说比较复杂,改天闲着木事的再搞。(其实主要原因是因为三四年前写的代码,现在翻出来了,现成的,尼玛现在让我从头写那么复杂的数据结构,死的心都有了,所以还是等哪天心情好了,无聊了再写十字链表吧)


上篇:图的构建(邻接链表法)http://www.jb51.cc/article/p-fdwzqwdf-bme.html

本次接着上一篇的讲,图的遍历就是从图中的某一个顶点除法访遍图中的其余顶点,并且使每一个顶点仅被访问一次。图的遍历算法是求解图的连通性问题、拓扑排序和求解关键路径等算法的基础

深度优先遍历

假设一个图,图中的所有顶点都未曾被访问,则深度优先遍历是从图中的某一个顶点v出发,访问此顶点,然后找到与v邻接的并且未被访问的点m出发访问,然后从m的未被访问的邻接点n出发访问,再从那个点n的未被访问的邻接点出发访问,出发......访问......,循环下去,直至图中所有的和v与路径想通的顶点都被访问到;若此时图中还有顶点没有被访问,则另选图中的一个未曾被访问的顶点做起始点,重复上述过程,直到图中的所有顶点都被访问到为止。此处不太好用语言描述,不知道各位看官看明白没有,反正我没糊涂。
下面上个图(截图截人家的,自己懒的画,但是能讲明白就好,黑猫、白猫,逮到耗子就是好猫):

遍历过程:
以图(a)中的G4为例,深度优先遍历图的过程如图(b)所示。假设从顶点出发进行搜索,在访问了顶点v1之后,选择邻接点v2。因为v2未曾访问,则从v2出发进行搜索,以此类推,接着从v4,v8,v5出发尽心搜索。在访问了v5之后,由于v5的邻接点都被访问,则回到v8。然后......就这样一直回到v1,然后又从v1搜索v3,如此进行下去。由此的发哦的访问序列为:
v1-->v2-->v4-->v8-->v5-->v3-->v6-->v7
当然,也可以在首先访问图中任何一个点,那样就会有不通过的访问序列。
注:图(c)是广度优先遍历的示意图。
接下来是代码,C++实现,其实也可以用其他语言写,道理都是想通的,只不过实现的方式不同
//----------------深度优先遍历--------------------//
//接上篇,上篇中以一个数组存储所有图中的顶点,所以如今访问时,可以用索引来标记该顶点是否被访问。
bool visited[MAX_VERTEX_NUM]; //访问标志数组,通过该数组表示顶点是否已访问,当visited[i]为false时,表示点i并未被访问。
int FirstAdjVex(ALGraph &G,int v) //找到在图G中的,与顶点G.vertices[v]相邻的未曾被访问的邻接点
{
    int i;
    int n=-1;
    ArcNode*p;
    p=G.vertices[v].firstarc;
    if(p)
    {
        i=p->adjvex;
        if(visited[i]==false)
            n=i;
    }
    return n;
}
int NextAdjVex(ALGraph &G,136); outline: none !important;">int v)//功能与上面的函数类似,可以优化,合并为一个函数,但是。。。。我懒!
{
    1;
    ArcNode *p;
    p=G.vertices[v].firstarc;
    for(i=p->adjvex;i<G.vexnum,p!=NULL;)
    {       
        i=p->adjvex;
        false)
        { 
            n=i;
            break; 
        }
        else
            p=p->nextarc;
    }
    void VisitFuc(ALGraph &G,0); outline: none !important;">//访问输出
{
    cout<<G.vertices[v].date<<" ";
}
void DFS(ALGraph &G,0); outline: none !important;">//对图G做深度优先遍历,遍历点从索引为v的顶点开始
{
    int w;
    visited[v]=true; //设置索引为v的顶点为已访问
    VisitFuc(G,v);  //访问索引为v的顶点
    //核心:循环递归,慢慢揣摩,找到v的未曾访问的一个邻接点,访问;
    //然后找到v的未曾访问的另一个邻接点访问,直至v的所有邻接点都被访问为止
    for(w=FirstAdjVex(G,v);w>=0;w=NextAdjVex(G,v))
        if(!visited[w]) DFS(G,w);//递归调用DFS
}
void DFSTraverse(ALGraph &G) //深度优先遍历的起始函数,调用此函数开始遍历。
{
    int v;
    for(v=0;v<G.vexnum;v++) 
        visited[v]=false;//初始化,所有点都为被访问,统统设为false
    cout<<"深度优先搜索:"<<endl;
    0;v<G.vexnum;v++) //确保遍历所有的点
    {
        if(!visited[v])//如果未被访问
            DFS(G,v);//对该顶点v调用DFS方法
    }
}

广度优先遍历

广度优先遍历是按照图的层次结构遍历的过程。
简单理解就是访问图中的一个点之后,一次访问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,并且使“先被访问的顶点的邻接点”先于“后被访问的顶点的邻接点”被访问。就像向湖面投一粒石子,激起一层的波纹。我们访问一个点,先把这个点的所有未被访问的邻接点依次全部访问,然后再在已经访问的的邻接点中找到那个最早被访问的点,从这个点出发,访问这个点所有未被访问的邻接点,如此循环下去。
如图(c)(此图在上面深度优先遍历的那个图里面),是对图G4进行广度优先遍历。沙鸥县访问v1和v1的邻接点v2和v3,然后依次访问v2的邻接点v4和v5及v3的邻接点v6和v7,最后访问v4的邻接点v8。由于这些顶点的邻接点均已经被访问,并且图中所有顶点都被访问,由此完成了图的遍历。
顶点访问序列:v1-->v2-->v3-->v4-->v5-->v6-->v7-->v8
和深度优先遍历类似,我们在遍历过程中需要一个访问标志数组。并且,为了顺序访问路径长度为2、3、...的顶点,需要附设队列以存储已经被访问的路径长度为1,2...的顶点。
上代码:
//----------------广度优先遍历--------------------//

void BFSTraverse(ALGraph &G)
{
    int w;
    queue<int> q; //STL队列
    0;v<G.vexnum;v++)
        visited[v]=false; //初始化,标记数组设置为false
    "广度优先搜索:";
    0;v<G.vexnum;v++)
    {
        //如果未曾被访问
        {
            visited[v]=true;//标记为已访问
            VisitFuc(G,v); //访问该点
            q.push(v);   //v进队
            //此处用队列的含义:每次访问一个点,把该点入队,当对这个点进行了广度优先遍历,也就是所有邻接点都被访问了,该点就出队
            //所以,当对列不为空时,说明还有顶点没有被进行广度优先遍历。需要继续
            while(q.empty()!=true)//当q不为空
            {
                v = q.front();
                q.pop();//出队
                //w为v的尚未访问的邻接点
                //依次访问v的所有为被访问的邻接点
                {   if(!visited[w])
                    {
                        visited[w]=true;
                        VisitFuc(G,w);
                        q.push(w);
                    }
                }
            }
        }
    }
}

好了,图的两种遍历方法讲完了,下面贴上整个工程的代码,代码中是没有这么多注释的,当有看不懂的时候,参考上一篇博客和本篇博客中对程序的注释

   
   
#include<iostream> #include<string> #include<queue> using namespace std; #define ERROR 1 #define MAX_VERTEX_NUM 100 typedef struct ArcNode{ int adjvex; struct ArcNode *nextarc; string info; }ArcNode; struct VNode{ char date; ArcNode * firstarc; }VNode,AdjList[MAX_VERTEX_NUM]; struct{ AdjList vertices; int vexnum,arcnum; //当前图的vexnum顶点数和arcnum弧数 int kind; }ALGraph; int LocateVex(ALGraph &G,136); outline: none !important;">char &v1) { for(i=0;i<G.vexnum;i++) { if(G.vertices[i].date==v1) return i; } if(i>=G.vexnum) return ERROR; else return 0; } void CreateDG(ALGraph &G) { ArcNode *p,*q; char v1,v2; char v; int i,j,k,n; "请输入图的顶点数和弧数:"<<endl; cin>>G.vexnum; cin>>G.arcnum; "请输入顶点:"<<endl; 0;i<G.vexnum;i++) { cin>>v; G.vertices[i].date=v; G.vertices[i].firstarc=NULL; } "请输入弧尾和弧头:"; for(k=0;k<G.arcnum;k++) { cin>>v1; cin>>v2; i=LocateVex(G,v1);j=LocateVex(G,v2); if(G.vertices[i].firstarc==NULL) { p=(ArcNode *)new ArcNode; G.vertices[i].firstarc=p; q=G.vertices[i].firstarc; } else { q=G.vertices[i].firstarc; for(n=0;n<G.arcnum;n++,q=q->nextarc) { if(!q->nextarc) break; } p=(ArcNode *)new ArcNode; q->nextarc=p; q=q->nextarc; } q->adjvex=j; q->nextarc=NULL; } "图构建成功!"; } //----------------深度优先遍历--------------------// bool visited[MAX_VERTEX_NUM]; int v) { return n; } int v) { true; VisitFuc(G,v); void DFSTraverse(ALGraph &G) { false; if(!visited[v]) DFS(G,v); } } false; // InitQueue(Q); if(!visited[v]) { visited[v]=true; VisitFuc(G,v); q.push(v); //v进队 true) { v = q.front(); q.pop(); ///////////////////////////////////////////////////////////////// void menu() { '\n'; " //---------------图的基本操作---------------//"<<endl; " ** 1、图的构建 **"<<endl; " ** 2、深度优先遍历 **"<<endl; " ** 3、广度优先遍历 **"<<endl; " --------------------------------------------"<<endl; "请输入数字进行选择:"<<endl; } int main() { ALGraph G; int i; menu(); cin>>i; while(i<4) { switch(i) { case 1:CreateDG(G);break; 2:DFSTraverse(G);cout<<endl;3:BFSTraverse(G);default:return ERROR; } menu(); cin>>i; } 0; }

版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。

相关推荐


【啊哈!算法】算法3:最常用的排序——快速排序       上一节的冒泡排序可以说是我们学习第一个真正的排序算法,并且解决了桶排序浪费空间的问题,但在算法的执行效率上却牺牲了很多,它的时间复杂度达到了O(N2)。假如我们的计算机每秒钟可以运行10亿次,那么对1亿个数进行排序,桶排序则只需要0.1秒,而冒泡排序则需要1千万秒,达到115天之久,是不是很吓人。那有没有既不浪费空间又可以快一点的排序算法
匿名组 这里可能用到几个不同的分组构造。通过括号内围绕的正则表达式就可以组成第一个构造。正如稍后要介绍的一样,既然也可以命名组,大家就有考虑把这个构造作为匿名组。作为一个实例,请看看下列字符串: “08/14/57 46 02/25/59 45 06/05/85 18 03/12/88 16 09/09/90 13“ 这个字符串就是由生日和年龄组成的。如果需要匹配年两而不要生日,就可以把正则
选择排序:从数组的起始位置处开始,把第一个元素与数组中其他元素进行比较。然后,将最小的元素方式在第0个位置上,接着再从第1个位置开始再次进行排序操作。这种操作一直到除最后一个元素外的每一个元素都作为新循环的起始点操作过后才终止。 public void SelectionSort() { int min, temp;
public struct Pqitem { public int priority; public string name; } class CQueue { private ArrayList pqueue; public CQueue() { pqueue
在编写正则表达式的时候,经常会向要向正则表达式添加数量型数据,诸如”精确匹配两次”或者”匹配一次或多次”。利用数量词就可以把这些数据添加到正则表达式里面了。 数量词(+):这个数量词说明正则表达式应该匹配一个或多个紧紧接其前的字符。 string[] words = new string[] { "bad", "boy", "baad", "baaad" ,"bear", "b
来自:http://blog.csdn.net/morewindows/article/details/6678165/归并排序是建立在归并操作上的一种有效的排序算法。该算法是采用分治法(Divide and Conquer)的一个非常典型的应用。首先考虑下如何将将二个有序数列合并。这个非常简单,只要从比较二个数列的第一个数,谁小就先取谁,取了后就在对应数列中删除这个数。然后再进行比较,如果有数列
插入排序算法有两层循环。外层循环会啄个遍历数组元素,而内存循环则会把外层循环所选择的元素与该元素在数组内的下一个元素进行比较。如果外层循环选择的元素小于内存循环选择的元素,那么瘦元素都想右移动以便为内存循环元素留出位置。 public void InsertionSort() { int inner, temp;
public int binSearch(int value) { int upperBround, lowerBound, mid; upperBround = arr.Length - 1; lowerBound = 0; while (lowerBound <= upper
虽然从表内第一个节点到最后一个节点的遍历操作是非常简单的,但是反向遍历链表却不是一件容易的事情。如果为Node类添加一个字段来存储指向前一个节点的连接,那么久会使得这个反向操作过程变得容易许多。当向链表插入节点的时候,为了吧数据复制给新的字段会需要执行更多的操作,但是当腰吧节点从表移除的时候就能看到他的改进效果了。 首先需要修改Node类来为累增加一个额外的链接。为了区别两个连接,这个把指
八、树(Tree)树,顾名思义,长得像一棵树,不过通常我们画成一棵倒过来的树,根在上,叶在下。不说那么多了,图一看就懂:当然了,引入了树之后,就不得不引入树的一些概念,这些概念我照样尽量用图,谁会记那么多文字?树这种结构还可以表示成下面这种方式,可见树用来描述包含关系是很不错的,但这种包含关系不得出现交叉重叠区域,否则就不能用树描述了,看图:面试的时候我们经常被考到的是一种叫“二叉树”的结构,二叉
Queue的实现: 就像Stack类的实现所做的一样,Queue类的实现用ArrayList简直是毋庸置疑的。对于这些数据结构类型而言,由于他们都是动态内置的结构,所以ArrayList是极好的实现选择。当需要往队列中插入数据项时,ArrayList会在表中把每一个保留的数据项向前移动一个元素。 class CQueue { private ArrayLis
来自:http://yingyingol.iteye.com/blog/13348911 快速排序介绍:快速排序是由东尼·霍尔所发展的一种排序算法。在平均状况下,排序 n 个项目要Ο(n log n)次比较。在最坏状况下则需要Ο(n2)次比较,但这种状况并不常见。事实上,快速排序通常明显比其他Ο(n log n) 算法更快,因为它的内部循环(inner loop)可以在大部分的架构上很有效率地
Stack的实现必须采用一种基本结构来保存数据。因为再新数据项进栈的时候不需要担心调整表的大小,所以选择用arrayList.using System;using System.Collections.Generic;using System.Linq;using System.Text;using System.Threading.Tasks;using System.Collecti
数组类测试环境与排序算法using System;using System.Collections.Generic;using System.Linq;using System.Text;using System.Threading.Tasks;namespace Data_structure_and_algorithm{ class CArray { pr
一、构造二叉树 二叉树查找树由节点组成,所以需要有个Node类,这个类类似于链表实现中用到的Node类。首先一起来看看Node类的代码。 public class Node { public int Data; public Node Left; public Node Right; public v
二叉树是一种特殊的树。二叉树的特点是每个结点最多有两个儿子,左边的叫做左儿子,右边的叫做右儿子,或者说每个结点最多有两棵子树。更加严格的递归定义是:二叉树要么为空,要么由根结点、左子树和右子树组成,而左子树和右子树分别是一棵二叉树。 下面这棵树就是一棵二叉树。         二叉树的使用范围最广,一棵多叉树也可以转化为二叉树,因此我们将着重讲解二叉树。二叉树中还有连两种特殊的二叉树叫做满二叉树和
上一节中我们学习了队列,它是一种先进先出的数据结构。还有一种是后进先出的数据结构它叫做栈。栈限定只能在一端进行插入和删除操作。比如说有一个小桶,小桶的直径只能放一个小球,我们现在向小桶内依次放入2号、1号、3号小球。假如你现在需要拿出2号小球,那就必须先将3号小球拿出,再拿出1号小球,最后才能将2号小球拿出来。在刚才取小球的过程中,我们最先放进去的小球最后才能拿出来,而最后放进去的小球却可以最先拿
msdn中的描述如下:(?= 子表达式)(零宽度正预测先行断言。) 仅当子表达式在此位置的右侧匹配时才继续匹配。例如,w+(?=d) 与后跟数字的单词匹配,而不与该数字匹配。此构造不会回溯。(?(零宽度正回顾后发断言。) 仅当子表达式在此位置的左侧匹配时才继续匹配。例如,(?此构造不会回溯。msdn描述的比较清楚,如:w+(?=ing) 可以匹配以ing结尾的单词(匹配结果不包括ing),(
1.引入线索二叉树 二叉树的遍历实质上是对一个非线性结构实现线性化的过程,使每一个节点(除第一个和最后一个外)在这些线性序列中有且仅有一个直接前驱和直接后继。但在二叉链表存储结构中,只能找到一个节点的左、右孩子信息,而不能直接得到节点在任一遍历序列中的前驱和后继信息。这些信息只有在遍历的动态过程中才能得到,因此,引入线索二叉树来保存这些从动态过程中得到的信息。 2.建立线索二叉树 为了保
排序与我们日常生活中息息相关,比如,我们要从电话簿中找到某个联系人首先会按照姓氏排序、买火车票会按照出发时间或者时长排序、买东西会按照销量或者好评度排序、查找文件会按照修改时间排序等等。在计算机程序设计中,排序和查找也是最基本的算法,很多其他的算法都是以排序算法为基础,在一般的数据处理或分析中,通常第一步就是进行排序,比如说二分查找,首先要对数据进行排序。在Donald Knuth 的计算机程序设