假设初始状态是图中全部顶点不曾被访问,则深度优先搜索可从图中某个顶点发v 出发,访问此顶点,而后依次从v 的未被访问的邻接点出发深度优先遍历图,直至图中全部和v 有路径相通的顶点都被访问到;若此时图中尚有顶点未被访问,则另选图中一个不曾被访问的顶点做起始点,重复上述过程,直至图中全部顶点都被访问到为止。php
以以下图的无向图G5为例,进行图的深度优先搜索:
html
G5git
搜索过程:
web
假设从顶点v1 出发进行搜索,在访问了顶点v1 以后,选择邻接点v2。由于v2 不曾访问,则从v2 出发进行搜索。依次类推,接着从v4 、v8 、v5 出发进行搜索。在访问了v5 以后,因为v5 的邻接点都已被访问,则搜索回到v8。因为一样的理由,搜索继续回到v4,v2 直至v1,此时因为v1 的另外一个邻接点未被访问,则搜索又从v1 到v3,再继续进行下去由此,获得的顶点访问序列为:数组
显然,这是一个递归的过程。为了在遍历过程当中便于区分顶点是否已被访问,需附设访问标志数组visited[0:n-1], ,其初值为FALSE ,一旦某个顶点被访问,则其相应的份量置为TRUE。
广度优先搜索(Breadth_First Search) 遍历相似于树的按层次遍历的过程。数据结构
假设从图中某顶点v 出发,在访问了v 以后依次访问v 的各个不曾访问过和邻接点,而后分别从这些邻接点出发依次访问它们的邻接点,并使“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,直至图中全部已被访问的顶点的邻接点都被访问到。若此时图中尚有顶点未被访问,则另选图中一个不曾被访问的顶点做起始点,重复上述过程,直至图中全部顶点都被访问到为止。换句话说,广度优先搜索遍历图的过程当中以v 为起始点,由近至远,依次访问和v 有路径相通且路径长度为1,2,…的顶点。学习
对图以下图所示无向图G5 进行广度优先搜索遍历:ui
广度搜索过程:
.net
首先访问v1 和v1 的邻接点v2 和v3,而后依次访问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。因为这些顶点的邻接点均已被访问,而且图中全部顶点都被访问,由些完成了图的遍历。获得的顶点访问序列为:设计
v1→v2 →v3 →v4→ v5→ v6→ v7 →v8
和深度优先搜索相似,在遍历的过程当中也须要一个访问标志数组。而且,为了顺次访问路径长度为二、三、…的顶点,需附设队列以存储已被访问的路径长度为一、二、… 的顶点。
DFS的思想:
深度优先搜索所遵循的策略就是尽量“深”的在图中进行搜索,对于图中某一个顶点V,若是它还有相邻的顶点且未被访问,则访问此顶点。若是找不到,则返回到上一个顶点。这一过程一直进行直到全部的顶点都被访问为止。 DFS能够搜索出从某一个顶点到另外的一个顶点的全部路径。 因为要进行返回的操做,咱们采用的是递归的方法。
邻接表:
邻接表是图的一种链式存储结构。在邻接表中,对图中的每一个顶点vi创建一个单链表,把鱼vi相邻的顶点放在这个链表中。
参考代码:Java实现无向图邻接表
(statistics.sh脚本的运行结果截图)
上周无错题
代码行数(新增/累积) | 博客量(新增/累积) | 学习时间(新增/累积) | 重要成长 | |
---|---|---|---|---|
目标 | 5000行 | 30篇 | 400小时 | |
第一周 | 0/0 | 0/0 | 0/0 | |
第二周 | 800/800 | 2/2 | 18/18 | |
第三周 | 600/1400 | 3/5 | 22/40 | |
第四周 | 700/1300 | 3/8 | 22/62 | |
第五周 | 400/1700 | 3/11 | 22/84 | |
第六周 | 200/1900 | 2/13 | 20/94 | |
第七周 | 400/2300 | 2/15 | 20/114 | |
第八周 | 600/2900 | 2/17 | 20/134 | |
第九周 | 400/2300 | 2/19 | 20/154 |