演算法:深度優先演算法和廣度優先演算法(基於鄰接矩陣)
1.寫在前面
圖的儲存結構有兩種:一種是基於二維陣列的鄰接矩陣表示法。
另一種是基於連結串列的的鄰接表。
在鄰接矩陣中,可以如下表示頂點和邊連線關係:
說明:
將頂點對應為下標,根據橫縱座標將矩陣中的某一位置值設為1,表示兩個頂點向聯接。
圖示表示的是無向圖的鄰接矩陣,從中我們可以發現它們的分佈關於斜對角線對稱。
我們在下面將要討論的是下圖的兩種遍歷方法(基於矩陣的):
我們已經說明了我們要用到的是鄰接矩陣表示法,那麼我首先要來構造圖:
矩陣圖的資料結構如下表示:
這樣我們可以首先來建立上述圖,為了方便,我們直接在程式碼中書寫矩陣,而不用每次除錯手動輸入了
這樣我們就已經完成了準備工作,我們可以正式來學習我們的兩種遍歷方式了。
2.深度優先遍歷演算法
分析深度優先遍歷
從圖的某個頂點出發,訪問圖中的所有頂點,且使每個頂點僅被訪問一次。這一過程叫做圖的遍歷。
深度優先搜尋的思想:
①訪問頂點v;
②依次從v的未被訪問的鄰接點出發,對圖進行深度優先遍歷;直至圖中和v有路徑相通的頂點都被訪問;
③若此時圖中尚有頂點未被訪問,則從一個未被訪問的頂點出發,重新進行深度優先遍歷,直到圖中所有頂點均被訪問過為止。
比如:
在這裡為了區分已經訪問過的節點和沒有訪問過的節點,我們引入一個一維陣列bool visited[MaxVnum]用來表示與下標對應的頂點是否被訪問過,
流程:
☐ 首先輸出 V1,標記V1的flag=true;
☐ 獲得V1的鄰接邊 [V2 V3],取出V2,標記V2的flag=true;
☐ 獲得V2的鄰接邊[V1 V4 V5],過濾掉已經flag的,取出V4,標記V4的flag=true;
☐ 獲得V4的鄰接邊[V2 V8],過濾掉已經flag的,取出V8,標記V8的flag=true;
☐ 獲得V8的鄰接邊[V4 V5],過濾掉已經flag的,取出V5,標記V5的flag=true;
☐ 此時發現V5的所有鄰接邊都已經被flag了,所以需要回溯。(左邊黑色虛線,回溯到V1,回溯就是下層遞迴結束往回返)
☐
☐ 回溯到V1,在前面取出的是V2,現在取出V3,標記V3的flag=true;
☐ 獲得V3的鄰接邊[V1 V6 V7],過濾掉已經flag的,取出V6,標記V6的flag=true;
☐ 獲得V6的鄰接邊[V3 V7],過濾掉已經flag的,取出V7,標記V7的flag=true;
☐ 此時發現V7的所有鄰接邊都已經被flag了,所以需要回溯。(右邊黑色虛線,回溯到V1,回溯就是下層遞迴結束往回返)
深度優先搜尋的程式碼
3.廣度優先搜尋演算法
分析廣度優先遍歷
所謂廣度,就是一層一層的,向下遍歷,層層堵截,還是這幅圖,我們如果要是廣度優先遍歷的話,我們的結果是V1 V2 V3 V4 V5 V6 V7 V8。
廣度優先搜尋的思想:
① 訪問頂點vi ;
② 訪問vi 的所有未被訪問的鄰接點w1 ,w2 , …wk ;
③ 依次從這些鄰接點(在步驟②中訪問的頂點)出發,訪問它們的所有未被訪問的鄰接點; 依此類推,直到圖中所有訪問過的頂點的鄰接點都被訪問;
說明:
為實現③,需要儲存在步驟②中訪問的頂點,而且訪問這些頂點的鄰接點的順序為:先儲存的頂點,其鄰接點先被訪問。 這裡我們就想到了用標準模板庫中的queue佇列來實現這種先進現出的服務。
老規矩我們還是走一邊流程:
說明:
☐將V1加入佇列,取出V1,並標記為true(即已經訪問),將其鄰接點加進入佇列,則 <—[V2 V3]
☐取出V2,並標記為true(即已經訪問),將其未訪問過的鄰接點加進入佇列,則 <—[V3 V4 V5]
☐取出V3,並標記為true(即已經訪問),將其未訪問過的鄰接點加進入佇列,則 <—[V4 V5 V6 V7]
☐取出V4,並標記為true(即已經訪問),將其未訪問過的鄰接點加進入佇列,則 <—[V5 V6 V7 V8]
☐取出V5,並標記為true(即已經訪問),因為其鄰接點已經加入佇列,則 <—[V6 V7 V8]
☐取出V6,並標記為true(即已經訪問),將其未訪問過的鄰接點加進入佇列,則 <—[V7 V8]
☐取出V7,並標記為true(即已經訪問),將其未訪問過的鄰接點加進入佇列,則 <—[V8]
☐取出V8,並標記為true(即已經訪問),將其未訪問過的鄰接點加進入佇列,則 <—[]