图的遍历 —— 广度优先遍历

与树的遍历类似，图的遍历指从图的某一节点出发，按照某种搜索方式对图中的所有节点都仅访问一次。图的遍历可以解决很多搜索问题，实际应用非常广泛。图的遍历根据搜索方式的不同，分为广度优先遍历和深度优先遍历。

图的遍历 —— 广度优先遍历

广度优先搜索（Breadth First Search，BFS）又被称为宽度优先搜索，是最常见的图搜索方法之一。

广度优先搜索指从某个节点（源点）出发，一次性访问所有未被访问的邻接点，再依次从这些已访问过的邻接点出发，一层一层地访问。如下图所示，广度优先遍历是按照广度优先搜索的方式对图进行遍历的。

假设源点为1，从1出发访问1的邻接点2、3，从2出发访问4，从3出发访问5，从4出发访问6，访问完毕。访问路径如下图所示。

广度优先遍历的秘籍：先被访问的节点，其邻接点先被访问。

根据广度优先遍历的秘籍，先来先服务，这可以借助于队列实现。

因为对每个节点只访问一次，所以可以设置一个辅助数组visited[i]=false，表示第i 个节点未被访问；visited[ i ]=true，表示第i 个节点已被访问。

【算法步骤】

① 初始化所有节点均未被访问，并初始化一个空队列。

② 从图中的某个节点v 出发，访问v 并标记其已被访问，将v入队。

③ 如果队列非空，则继续执行，否则算法结束。

④ 将队头元素v 出队，依次访问v 的所有未被访问的邻接点，标记已被访问并入队。转向步骤3。

【完美图解】

例如，一个有向图如下图所示

广度优先遍历：

① 初始化所有节点均未被访问，visited[i ]=false，i =1,2,…,6。并初始化一个空队列Q 。

② 从节点1出发，标记其已被访问，visited[1]=true，将节点1入队。

③ 将队头元素1出队，依次访问1的所有未被访问的邻接点2、3，标记其已被访问并将其入队。

④ 将队头元素2出队，将2的未被访问的邻接点4标记为已被访问，并将其入队。

⑤ 将队头元素3出队，3的邻接点2已被访问，将未被访问的邻接点5标记为已被访问，并将其入队。

⑥ 将队头元素4出队，4的邻接点3已被访问，将未被访问的邻接点6标记为已被访问，并将其入队。

⑦ 将队头元素5出队，5的邻接点4、6均已被访问，没有未被访问的邻接点。

⑧ 将队头元素6出队，6没有邻接点。

⑨ 队列为空，算法结束。广度优先遍历序列为1 2 3 4 5 6。

广度优先遍历经过的节点及边，被称为广度优先生成树。如果广度优先遍历非连通图，则每一个连通分量都会产生一棵广度优先生成树。

【算法实现】

① 基于邻接矩阵的广度优先遍历。

void BFS_AM(AMGragh G , int v){ //基于邻接矩阵的广度优先遍历int u , w;queue<int>Q;  //创建一个普通队列(先进先出)存放int 类型cout << G.Vex[v] << "\t";visited[v] = true;Q.push(v);  //将源点v 入队while(!Q.empty()){ //如果队列不为空u = Q.front(); //则取出队头元素并赋值给uQ.pop(); //将队头元素出队for(w = 0 ; w < G.vexnum ; w++){ //依次检查u 的所有邻接点if(G.Edge[u][w] && !visited[w]){ //u、w邻接并且w 未被访问cout << G.Vex[w] << "\t";visited[w] = true;Q.push(w);    }}}
}

② 基于邻接表的广度优先遍历

void BFS_AL(ALGragh G , int v){ //基于邻接表的广度优先遍历int u , w;AdjNode *p;queue<int>Q; //创建一个普通队列(先进先出)存放int 类型cout << G.Vex[v].data = "\t";visited[v] = true;Q.push(v); //将源点v 入队while(!Q.empty()){ //如果队列不空u = Q.front();  //则取出队头元素赋值给uQ.pop();  //将队头元素出队p = G.Vex[u].first;while(p){  //依次检查 u 的所有邻接点w = p->v; //w 为 u 的邻接点if(!visited[w]){ //w 未被访问cout << G.Vex[w].data << "\t";visited[w] = true;Q.push(w);}p = p->next;}}
}

③ 基于非连通图的广度优先遍历

void BFS_AL(ALGragh G){ //非连通图的广度优先遍历for(int i = 0 ; i < G.vexnum; i ++){ //对非连通图需要查漏点，检查未被访问的节点if(!visited[i]){ //i 未被访问，以i 为起点再次广度优先遍历BFS_AL(G , i); //基于邻接表，也可以替换为基于邻接矩阵的BFS_AM(G , i)}}
}

【算法分析】

广度优先遍历的过程实质上是对每个节点都搜索其邻接点的过程，图的存储方式不同，其算法复杂度也不同。

① 基于邻接矩阵的广度优先遍历算法。

查找每个节点的邻接点需要O (n )时间，共n 个节点，总的时间复杂度为O (n^2 )。这里使用了一个辅助队列，每个节点只入队一次，空间复杂度为O (n )。

② 基于邻接表的广度优先遍历算法。

查找节点vi 的邻接点需要O (d (vi ))时间，d (vi )为vi 的出度，对有向图而言，所有节点的出度之和等于边数e ；对无向图而言，所有节点的度之和等于2e ，因此查找邻接点的时间复杂度为O (e )，加上初始化时间O (n )，总的时间复杂度为O (n +e )。这里使用了一个辅助队列，每个节点只入队一次，空间复杂度为O (n )。

图的遍历 —— 广度优先遍历相关推荐

【图】深度优先遍历广度优先遍历
文章目录一.广度优先遍历二.深度优先遍历深度优先遍历和广度优先遍历是遍历图的两种常见方式,接下来就通过这两种方式来实现一下图具体遍历的过程当我位于游乐园的景区 A 时,为了玩遍所有的景区我们有 ...
图深度优先遍历广度优先遍历非递归遍历图解算法过程
图的邻接矩阵表示通常图的表示有两种方法:邻接矩阵,邻接表. 本文用邻接矩阵实现,一是代码量更少,二是代码风格也更贴近C语言.但不论是图的哪种实现方式,其基本的实现思想是不变的. 1:节点的信息,我们 ...
图之遍历--广度优先遍历
何为广度优先遍历呢? 广度优先遍历(BFS),又叫宽度优先搜索或横向优先搜索,是从根结点开始沿着树的宽度搜索遍历,将离根节点最近的节点先遍历出来,在继续深挖下去. 基本思想是: 1.从图中某个顶点V0 ...
八数码宽度优先搜索python代码_图之遍历--广度优先遍历
何为广度优先遍历呢? 广度优先遍历(BFS),又叫宽度优先搜索或横向优先搜索,是从根结点开始沿着树的宽度搜索遍历,将离根节点最近的节点先遍历出来,在继续深挖下去. 基本思想是: 1.从图中某个顶点V0 ...
图的深度广度优先遍历（DFC与BFC）JavaScript版
graph.js 创建一个js文件用于表示图这个类型,这个对象的键为节点,所对应的值为这个节点所连接的节点. const graph={0:[1,2],1:[2],2:[0,3],3:[3] }; m ...
图深度优先、广度优先遍历(java)
一.图的遍历图的遍历,即是对结点的访问.一个图有那么多个结点,如何遍历这些结点,需要特定策略,一般有两种访问策略:(1)深度优先遍历(2)广度优先遍历深度优先遍历基本思想. 二.深度优先遍历图的深 ...
图的遍历广度优先遍历(爱思创)
前言: 这篇文章还是是为了帮助一些像我这样的菜鸟找到简单的题解问题描述: 读入一个用邻接矩阵存储的无向连通图,输出它的广度(宽度)优先遍历序列. 输入格式第一行一个正整数 n(2≤n≤100) ...
【数据结构】图的深度优先遍历广度优先遍历
文件操作比直接输入方便许多 #include <stdio.h> #include <stdlib.h> #include <string.h> #define M ...
图的理解：深度优先和广度优先遍历及其 Java 实现
遍历图的遍历,所谓遍历,即是对结点的访问.一个图有那么多个结点,如何遍历这些结点,需要特定策略,一般有两种访问策略: 深度优先遍历广度优先遍历深度优先深度优先遍历,从初始访问结点出发,我们知道 ...
大话数据结构 17：图的深度优先遍历和广度优先遍历
深度优先遍历主要思路是从图中一个未访问的顶点 V 开始,沿着一条路一直走到底,然后从这条路尽头的节点回退到上一个节点,再从另一条路开始走到底-,不断递归重复此过程,直到所有的顶点都遍历完成,它的特点 ...

图的遍历 —— 广度优先遍历

图的遍历 —— 广度优先遍历

图的遍历 —— 广度优先遍历相关推荐

最新文章

热门文章