• 数据结构与算法之图: 图及其深度和广度优先遍历实现 (Typescript版)


    • 网络结构的抽象模型,是一组由边连接的节点
    • 图可以表示任何二元关系,道路,航班
      • 由边连接的节点
      • 图中节点多,但是一条边只能连接两个节点
    • js中没有图,但可以用Objct和Array构建图
    • 图的表示法:临接矩阵,临接表,关联矩阵…
      • 临接矩阵表示法:用矩阵表示
        • 比如这个图上有n个节点, A,B,C,…N
        • 我们画出一个矩阵,横纵都是A->N这n个节点
        • 这个矩阵默认全部填充0,
        • 如果A能连接到B,则在这个矩阵中以A为横轴,B为纵轴相交的那个点置为1表示
        • 如果B能连接到C,则在这个矩阵中以B为横轴,C为纵轴相交的那个点置为1表示
      • 邻接表表示法
        • 更形象,更容易理解,如下, 构建一个对象,对象的key是各个节点
        • 各个节点里面都有一个数组,数组中的值就是这些节点中可以连接的节点
        {
            A:["B"],
            B:["C", "D"],
            C:["E"],
            D:["A"],
            E:["D"]
        }
        
        • 1
        • 2
        • 3
        • 4
        • 5
        • 6
        • 7
        • 里面除了用数组表示,还可以用链表来表示
        • 只要能表达清楚节点之间的链接关系,就可以了
    • 图的常用操作
      • 深度优先遍历
      • 广度优先遍历

    深度优先遍历和广度优先遍历

    这里有一个图的示例,对其进行深度和广度的优先遍历

    // 邻接表表示法
    const graph = {
        0: [1,2],
        1: [2],
        2: [0, 3],
        3: [3]
    }
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7

    1 ) 深度优先遍历

    • 尽可能深的搜索图的分支
    • 访问根节点
    • 对根节点的没访问过的相邻节点挨个进行深度优先遍历
      • 这里相邻节点和树中的children差不多,概念上相似
      • 这里,没有访问过的节点(为了不重不漏)是一个重要的限制条件,如果不是这样,会陷入死循环
    // 使用上面定义的通用graph变量
    const visited = new Set();
    const res = [];
    // 深度优先遍历函数
    const dfs = (n) => {
         // console.log(n); // 访问当前节点
         res.push(n); // 访问过的节点存入结果队列中
         visited.add(n);
         graph[n].forEach(c => {
             if(!visited.has(c)) {
                 dfs(c); // 对没有访问过的节点进行递归
             }
         })
    }
    
    dfs(2) // 这里指定一个起始节点2 
    console.log(res.toString()); // 2,0,1,3
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17

    2 ) 广度优先遍历

    • 先访问离根节点最近的节点
    • 口诀
      • 一、新建一个队列,把根节点入队
      • 二、把队头出队并访问
      • 三、把队头的没访问过的相邻节点入队
      • 重复第二、三步,直到队列为空
    // 使用上面定义的通用graph变量
    const res = []; // 用于存储最终的结果
    // 广度优先遍历函数
    const bfs = () => {
        const visited = new Set();
        visited.add(2); // 起始节点 注意这里结合下面的漏洞,先加入起始点
        const q = [2]; // 起始节点
        while(q.length) {
            const n = q.shift(); // 队首出队
            // console.log(n); // 访问当前节点
            res.push(n);
            // visited.add(n); // 这里不能在这里添加,会有漏洞,会漏掉一些在q里,但没有在visited中的元素,它会逃过限制,重复在q中被添加
            // 将相邻节点(孩子节点) 存入队列中
            graph[n].forEach(c => {
                // 没有访问过,push
                if(!visited.has(c)) {
                    q.push(c);
                    visited.add(c); // 将出队元素添加进入集合 这里结合上面注释掉的漏洞,后添加
                }
            })
        }
    }
    
    bfs();
    console.log(res.toString()); // 2,0,3,1
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
  • 相关阅读:
    【C++基础】单例模式
    突发技术故障对工作进程的影响及其应对策略——以电脑硬盘损坏为例
    概率论的学习整理3: 概率的相关概念
    uniapp常用的生命周期
    【面试】揭秘面试背后的那点真实
    TiUP 镜像参考指南
    linux安装redis
    C#流程控制语句
    生产管理:模具管理系统
    css-inpu边框
  • 原文地址:https://blog.csdn.net/Tyro_java/article/details/133651611