深度优先遍历(DFS)和广度优先遍历(BFS)

  图的搜索有两种方式,一种是深度优先搜索(Depth-First-Search),另一种是广度优先搜索(Breadth-First-Search),接下来,我们来写一下这些搜索方式的Java实现,同样的,这里的代码均继承了自定义的EnhanceModual类,我之前的文章(查看EnhanceModual类)有提到这个类以及这个类的作用。
  本文参考了文章图的基本算法。


广度优先搜索(BFS)

  广度优先搜索是按层来处理顶点,距离开始点最近的那些顶点首先被访问,而最远的那些顶点则最后被访问,这个和树的层序变量很像,BFS的代码使用了一个队列。搜索步骤:
  a .首先选择一个顶点作为起始顶点,并将其染成灰色,其余顶点为白色。
  b. 将起始顶点放入队列中。
  c. 从队列首部选出一个顶点,并找出所有与之邻接的顶点,将找到的邻接顶点放入队列尾部,将已访问过顶点涂成黑色,没访问过的顶点是白色。如果顶点的颜色是灰色,表示已经发现并且放入了队列,如果顶点的颜色是白色,表示还没有发现
  d. 按照同样的方法处理队列中的下一个顶点。
  基本就是出队的顶点变成黑色,在队列里的是灰色,还没入队的是白色。
  用一副图来表达这个流程如下:


这里写图片描述
1.初始状态,从顶点1开始,队列={1}
这里写图片描述
2.访问1的邻接顶点,1出队变黑,2,3入队,队列={2,3,}
这里写图片描述
3.访问2的邻接顶点,2出队,4入队,队列={3,4}
这里写图片描述
4.访问3的邻接顶点,3出队,队列={4}
这里写图片描述
5.访问4的邻接顶点,4出队,队列={ 空}

  分析:

从顶点1开始进行广度优先搜索:
  初始状态,从顶点1开始,队列={1}
  访问1的邻接顶点,1出队变黑,2,3入队,队列={2,3,}
  访问2的邻接顶点,2出队,4入队,队列={3,4}
  访问3的邻接顶点,3出队,队列={4}
  访问4的邻接顶点,4出队,队列={ 空}
  顶点5对于1来说不可达。

  上面图可以用如下邻接矩阵来表示:

int maze[][] = {
    { 0, 1, 1, 0, 0 },
    { 0, 0, 1, 1, 0 },
    { 0, 1, 1, 1, 0 },
    { 1, 0, 0, 0, 0 },
    { 0, 0, 1, 1, 0 }
};

  具体的代码如下,这段代码有两个功能,bfs()函数求出从某顶点出发的搜索结果,minPath()函数求从某一顶点出发到另一顶点的最短距离:

import java.util.LinkedList;

import classEnhance.EnhanceModual;

public class BreadthFirst extends EnhanceModual {

    @Override
    public void internalEntrance() {
        // TODO Auto-generated method stub
        int maze[][] = {
            { 0, 1, 1, 0, 0 }, 
            { 0, 0, 1, 1, 0 }, 
            { 0, 1, 1, 1, 0 },
            { 1, 0, 0, 0, 0 },
            { 0, 0, 1, 1, 0 }
        };

        bfs(maze, 5);//从顶点5开始搜索图

        int start = 5;
        int[] result = minPath(maze, start);
        for(int i = 1; i < result.length; i++){
            if(result[i] !=5 ){
                System.out.println("从顶点" + start +"到顶点" + i + "的最短距离为:" + result[i]);
            }else{
                System.out.println("从顶点" + start +"到顶点" + i + "不可达");
            }
        }
    }

    public void bfs(int[][] adjacentArr, int start) {
        int nodeNum = adjacentArr.length;
        if (start <= 0 || start > nodeNum || (nodeNum == 1 && start != 1)) {
            System.out.println("Wrong input !");
            return;
        } else if (nodeNum == 1 && start == 1) {
            System.out.println(adjacentArr[0][0]);
            return;
        }

        int[] visited = new int[nodeNum + 1];//0表示顶点尚未入队,也未访问,注意这里位置0空出来了
        LinkedList queue = new LinkedList();
        queue.offer(start);
        visited[start] = 1;//1表示入队

        while (!queue.isEmpty()) {
            int nodeIndex = queue.poll();
            System.out.println(nodeIndex);
            visited[nodeIndex] = 2;//2表示顶点被访问

            for (int i = 0; i < nodeNum; i++) {
                if (adjacentArr[nodeIndex - 1][i] == 1 && visited[i + 1] == 0) {
                    queue.offer(i + 1);
                    visited[i + 1] = 1;
                }
            }
        }
    }

    /*
     * 从start顶点出发,到图里各个顶点的最短路径
     */
    public int[] minPath(int[][] adjacentArr, int start) {

        int nodeNum = adjacentArr.length;

        LinkedList queue = new LinkedList();
        queue.offer(start);
        int path = 0;
        int[] nodePath = new int[nodeNum + 1];
        for (int i = 0; i < nodePath.length; i++) {
            nodePath[i] = nodeNum;
        }
        nodePath[start] = 0;

        int incount = 1;
        int outcount = 0;
        int tempcount = 0;

        while (path < nodeNum) {
            path++;
            while (incount > outcount) {
                int nodeIndex = queue.poll();
                outcount++;

                for (int i = 0; i < nodeNum; i++) {
                    if (adjacentArr[nodeIndex - 1][i] == 1 && nodePath[i + 1] == nodeNum) {
                        queue.offer(i + 1);
                        tempcount++;
                        nodePath[i + 1] = path;
                    }
                }
            }

            incount = tempcount;
            tempcount = 0;
            outcount = 0;
        }

        return nodePath;
    }

}
//运行结果:
//5
//3
//4
//2
//1
//从顶点5到顶点1的最短距离为:2
//从顶点5到顶点2的最短距离为:2
//从顶点5到顶点3的最短距离为:1
//从顶点5到顶点4的最短距离为:1
//从顶点5到顶点5的最短距离为:0

深度优先搜索(DFS)

  原文里的深度优先搜索代码是有问题的,那是中序遍历的推广,而深度优先搜索是先序遍历的推广,我这里把两种代码都给出来,深度优先搜索的非递归实现使用了一个栈
  深度优先遍历图的方法是,从图中某顶点v出发:
  a.访问顶点v;
  b.依次从v的未被访问的邻接点出发,对图进行深度优先遍历;直至图中和v有路径相通的顶点都被访问;
  c.若此时图中尚有顶点未被访问,则从一个未被访问的顶点出发,重新进行深度优先遍历,直到图中所有顶点均被访问过为止。
  用一副图来表达这个流程如下:


这里写图片描述
1.从v = 顶点1开始出发,先访问顶点1
这里写图片描述

这里写图片描述
2.按深度优先搜索递归访问v的某个未被访问的邻接点2,顶点2结束后,应该访问3或5中的某一个,这里为顶点3,此时顶点3不再有出度,因此回溯到顶点2,再访问顶点2的另一个邻接点5,由于顶点5的唯一一条边的弧头为3,已经访问了,所以此时继续回溯到顶点1,找顶点1的其他邻接点。

  上图可以用邻接矩阵来表示为:

int maze[][] = {
    { 0, 1, 1, 0, 0 },
    { 0, 0, 1, 0, 1 },
    { 0, 0, 1, 0, 0 },
    { 1, 1, 0, 0, 1 },
    { 0, 0, 1, 0, 0 }
};

  具体的代码如下:

import java.util.LinkedList;
import classEnhance.EnhanceModual;

public class DepthFirst extends EnhanceModual {

    @Override
    public void internalEntrance() {
        // TODO Auto-generated method stub
        int maze[][] = { { 0, 1, 1, 0, 0 }, { 0, 0, 1, 0, 1 }, { 0, 0, 1, 0, 0 }, { 1, 1, 0, 0, 1 },
                { 0, 0, 1, 0, 0 } };

        dfs(maze, 1);

    }

    public void dfs(int[][] adjacentArr, int start) {
        int nodeNum = adjacentArr.length;
        if (start <= 0 || start > nodeNum || (nodeNum == 1 && start != 1)) {
            System.out.println("Wrong input !");
            return;
        } else if (nodeNum == 1 && start == 1) {
            System.out.println(adjacentArr[0][0]);
            return;
        }

        int[] visited = new int[nodeNum + 1];//0表示结点尚未入栈,也未访问
        LinkedList stack = new LinkedList();
        stack.push(start);
        visited[start] = 1;//1表示入栈

        while (!stack.isEmpty()) {
            int nodeIndex = stack.peek();
            boolean flag = false;
            if(visited[nodeIndex] != 2){
                System.out.println(nodeIndex);
                visited[nodeIndex] = 2;//2表示结点被访问
            }

            //沿某一条路径走到无邻接点的顶点
            for (int i = 0; i < nodeNum; i++) {
                if (adjacentArr[nodeIndex - 1][i] == 1 && visited[i + 1] == 0) {
                    flag = true;
                    stack.push(i + 1);
                    visited[i + 1] = 1;
                    break;//这里的break不能掉!!!!
                }
            }

            //回溯
            if(!flag){
                int visitedNodeIndex = stack.pop();
            }

        }
    }

}

你可能感兴趣的:(数据结构,算法)