深度优先搜索遍历类似于树的先序遍历(根左右)
深度优先搜索思想:假设初始状态是图中所有顶点均未被访问,则从某个顶点v出发,首先访问该顶点,然后依次从它的各个未被访问的邻接点出发深度优先搜索遍历图,直至图中所有和v有路径相通的顶点都被访问到。若此时尚有其他顶点未被访问到,则另选一个未被访问的顶点作起始点,重复上述过程,直至图中所有顶点都被访问到为止。
深度优先搜索是一个递归的过程 首先,选定一个出发点后进行遍历,如果有邻接的未被访问过的节点则继续前进。若不能继续前进,则回退一步再前进,若回退一步仍然不能前进,则连续回退至可以前进的位置为止。重复此过程,直到所有与选定点相通的所有顶点都被遍历。
深度优先遍历通常借助栈来实现算法
深度优先遍历顺序为 1->2->4->8->5->3->6->7
类似于二叉树的先序遍历思想
图解过程
以下图中所示无向图说明深度优先搜索遍历过程
如果看不懂上面的演示,可以先看一下上面的模板案例,理解其思想之后,自己直接就可以写出来这些东西了,把我号他是栈操作即可!
注意,答案不唯一,按照其思想即可
算法思想
广度优先搜索思想 从图中某顶点v出发,在访问了v之后依次访问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,并使得“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,直至图中所有已被访问的顶点的邻接点都被访问到。如果此时图中尚有顶点未被访问,则需要另选一个未曾被访问过的顶点作为新的起始点,重复上述过程,直至图中所有顶点都被访问到为止。
算法特点
广度优先搜索类似于树的层次遍历,是按照一种由近及远的方式访问图的顶点。在进行广度优先搜索时需要使用队列存储顶点信息。
广度优先遍历通常借助队列来实现算法
图解过程
无向图的广度优先搜索
图所示的无向图,采用广度优先搜索过程。
重点是找到它的邻接顶点
(1)选取A为起始点,输出A,A入队列,标记A,当前位置指向A。
(2)队列头为A,A出队列。A的邻接顶点有B、E,输出B和E,将B和E入队,并标记B、E。当前位置指向A。
(3)队列头为B,B出队列。B的邻接顶点有C、D,输出C、D,将C、D入队列,并标记C、D。当前位置指向B。
(4)队列头为E,E出队列。E的邻接顶点有D、F,但是D已经被标记,因此输出F,将F入队列,并标记F。当前位置指向E。
(5)队列头为C,C出队列。C的邻接顶点有B、D,但B、D均被标记。无元素入队列。当前位置指向C。
(6)队列头为D,D出队列。D的邻接顶点有B、C、E,但是B、C、E均被标记,无元素入队列。当前位置指向D。
(7)队列头为F,F出队列。F的邻接顶点有G、H,输出G、H,将G、H入队列,并标记G、H。当前位置指向F。
(8)队列头为G,G出队列。G的邻接顶点有F,但F已被标记,无元素入队列。当前位置指向G。
(9)队列头为H,H出队列。H的邻接顶点有F,但F已被标记,无元素入队列。当前位置指向H。
(10)队列空,则以A为起始点的遍历结束。若图中仍有未被访问的顶点,则选取未访问的顶点为起始点,继续执行此过程。直至所有顶点均被访问。
则访问次序为:A、B、E、C、D、F、G、H
(1)选取A为起始点,输出A,将A入队列,标记A。
(2)队列头为A,A出队列。以A为尾的边有两条,对应的头分别为B、C,则A的邻接顶点有B、C。输出B、C,将B、C入队列,并标记B、C。
(3)队列头为B,B出队列。B的邻接顶点为C,C已经被标记,因此无新元素入队列。
(4)队列头为C,C出队列。C的邻接顶点有E、F。输出E、F,将E、F入队列,并标记E、F。
(5)队列头为E,E出队列。E的邻接顶点有G、H。输出G、H,将G、H入队列,并标记G、H。
(6)队列头为F,F出队列。F无邻接顶点。
(7)队列头为G,G出队列。G无邻接顶点。
(8)队列头为H,H出队列。H邻接顶点为E,但是E已被标记,无新元素入队列。
(9)队列为空,以A为起始点的遍历过程结束,此时图中仍有D未被访问,则以D为起始点继续遍历。选取D为起始点,输出D,将D入队列,标记D。
(10)队列头为D,D出队列,D的邻接顶点为B,B已被标记,无新元素入队列。
(11)队列为空,且所有元素均被访问,广度优先搜索遍历过程结束。广度优先搜索的输出序列为:A->B->C->E->F->G->H->D。
总结而言,对于有向图的广度搜索就是首先确定好一个起始值,然后寻找其邻接顶点(就是以改点出发的第二个元素)作为其入队的元素,可以按照其大小进行入队(在前面的可以先入),然后就出队,又将出队的邻接顶点的元素入队,然后出队,然后循环,最后直到队列为空即可,最后进行没有访问到的,又开始执行…
总而言之,深度搜索我们可以理解为栈操作,广度搜索我们可以理解为队列操作
越是最后,越不应该放弃,加油!