C++算法:深度优先搜索(BFS)的原理和实现

简介: C++算法:深度优先搜索(BFS)的原理和实现

时间复杂度

O(m) ,m是边的数量。许多经典应用场景,如2D游戏地图、网格,出边固定不超过4或8(4联通或8联通),这种情况也可以说BFS的时间复杂度是O(n),n是端点数。

每个端点只会访问一次,显然第一次访问的是最小距离,第二次访问时距离只会变大或不变,没有继续访问的意义。假定s到x2的最短最短距离经过x1,如果s到x1距离变大,x1到x2的距离不变,则s到x2的距离变大。

使用前提

各边的权重都为1。

典型场景

n个端点的无向图,编号范围[0,n)。每个端点最多4条出边。edges表示{{n1,n2},...{n3,n4}}表示n1和n2,n3和n4之间有边联接。求s到d的最少需要经过多少条边。如果无法到达,请返回-1。可能有环,但无自环,重边,可能不联通。

可理解性强的解法

Dis数组记录源点到各点的最短距离,初始-1,表示无法从源点到达当前点。不为-1,表示当前是第二次访问,无需处理。队列向量的元素que[i]记录经过i条边可以到达的点。分两步:一,将边转成邻接表;二,三层循环处理最短距离。第一层循环通过que[i-1]计算que[i],如果que[i]为空,提前结束。经过i条边无法到达任意点,则经过i+1条边,也无法达到任意点。已经处理的端点不用入队;第二层循环遍历que[i];第三层遍历当前点的出边。因为不会处理重复的点,所以第一层循环和第二层循环合起来,时间复杂度是O(边数)。

核心代码

vector<vector<int>> EdgeToNeiBo(int n,const vector<vector<int>>& edges)
{
    vector<vector<int>> vNeiB(n);
    for (const auto& v : edges)
    {
        vNeiB[v[0]].emplace_back(v[1]);
        vNeiB[v[1]].emplace_back(v[0]);
    }
    return vNeiB;
}
class CBFS1
{
public:
    CBFS1(vector<vector<int>>& vNeiB, int s)
    {
        m_vDis.assign(vNeiB.size(), -1);
        m_vDis[s] = 0;
        vector<queue<int>> ques(vNeiB.size());
        ques[0].emplace(s);
        for (int i = 1; (i < ques.size()) && ques[i - 1].size(); i++)
        {
            auto& pre = ques[i - 1];
            while (pre.size())
            {
                const int cur = pre.front();
                pre.pop();
                for (const auto next : vNeiB[cur])
                {
                    if (-1 != m_vDis[next])
                    {
                        continue;
                    }
                    m_vDis[next] = m_vDis[cur] + 1;
                    ques[i].emplace(next);
                }
            }
        }
    }
public:
    vector<int> m_vDis;
};

测试样例

#include <iostream>
#include <vector>
#include <queue>
#include <assert.h>
using namespace std;
#define CBFS CBFS1 
class CDebugBFS : public CBFS
{
public: 
    using CBFS::CBFS1;
    void Assert(const vector<int>& vDis)
    {
        for (int i = 0; i < vDis.size(); i++)
        {
            assert(vDis[i] == m_vDis[i]);
        }
    }
};
struct CDebugParam
{
    int n;
    vector<vector<int>> edges;
    int s;
    vector<int> dis;//答案
};
int main()
{
    vector<CDebugParam> params = { {1,{},0,{0}},{2,{},0,{0,-1}},
    {6,{{0,1},{1,2},{1,3},{2,4},{4,5},{3,5}},0,{0,1,2,2,3,3} }
};
    for (const auto& par : params)
    {
        auto vNeiB = EdgeToNeiBo(par.n, par.edges);
        CDebugBFS bfs(vNeiB,par.s);
        bfs.Assert(par.dis);
    }    
}

滚动队列优化

由于每次循环都只涉及que[i]和que[i-1],可以用que和pre代替,循环结束swap。

class CBFS2
{
public:
    CBFS2(vector<vector<int>>& vNeiB, int s)
    {
        m_vDis.assign(vNeiB.size(), -1);
        m_vDis[s] = 0;
        queue<int> pre;
        pre.emplace(s);
        for (int i = 1; pre.size(); i++)
        {
            queue<int> dp;
            while (pre.size())
            {
                const int cur = pre.front();
                pre.pop();
                for (const auto next : vNeiB[cur])
                {
                    if (-1 != m_vDis[next])
                    {
                        continue;
                    }
                    m_vDis[next] = m_vDis[cur] + 1;
                    dp.emplace(next);
                }
            }
            dp.swap(pre);
        }
    }
public:
    vector<int> m_vDis;
};

一个队列就够了

由于是按从小到大入队,所以出队也是如此顺序。一个队列就够了。如果端点cur存在出边到达next,那么从s经过cur到达next的最短距离为dis[cur]+1。

class CBFS3
{
public:
    CBFS3(vector<vector<int>>& vNeiB, int s)
    {
        m_vDis.assign(vNeiB.size(), -1);
        m_vDis[s] = 0;
        queue<int> que;
        que.emplace(s);
        while (que.size())
        {
            const int cur = que.front();
            que.pop();
            for (const auto next : vNeiB[cur])
            {
                if (-1 != m_vDis[next])
                {
                    continue;
                }
                m_vDis[next] = m_vDis[cur] + 1;
                que.emplace(next);
            }
        }
    }
public:
    vector<int> m_vDis;
};

测试环境

win10  VS2022  C++17

相关下载

相机源码下载

https://download.csdn.net/download/he_zhidan/88382037

 


其它

视频课程

如果你觉得复杂,想从简单的算法开始,可以学习我的视频课程。

https://edu.csdn.net/course/detail/38771

我的其它课程

https://edu.csdn.net/lecturer/6176

测试环境

win7 VS2019 C++17 或Win10 VS2022 Ck++17

相关下载

算法精讲《闻缺陷则喜算法册》doc版

https://download.csdn.net/download/he_zhidan/88348653

相关文章
|
1月前
|
机器学习/深度学习 算法 PyTorch
深度强化学习中SAC算法:数学原理、网络架构及其PyTorch实现
软演员-评论家算法(Soft Actor-Critic, SAC)是深度强化学习领域的重要进展,基于最大熵框架优化策略,在探索与利用之间实现动态平衡。SAC通过双Q网络设计和自适应温度参数,提升了训练稳定性和样本效率。本文详细解析了SAC的数学原理、网络架构及PyTorch实现,涵盖演员网络的动作采样与对数概率计算、评论家网络的Q值估计及其损失函数,并介绍了完整的SAC智能体实现流程。SAC在连续动作空间中表现出色,具有高样本效率和稳定的训练过程,适合实际应用场景。
208 7
深度强化学习中SAC算法:数学原理、网络架构及其PyTorch实现
|
1月前
|
负载均衡 算法 安全
探秘:基于 C++ 的局域网电脑控制软件自适应指令分发算法
在现代企业信息化架构中,局域网电脑控制软件如同“指挥官”,通过自适应指令分发算法动态调整指令发送节奏与数据量,确保不同性能的终端设备高效运行。基于C++语言,利用套接字实现稳定连接和线程同步管理,结合实时状态反馈,优化指令分发策略,提升整体管控效率,保障网络稳定,助力数字化办公。
52 19
|
2月前
|
算法 Java 数据库
理解CAS算法原理
CAS(Compare and Swap,比较并交换)是一种无锁算法,用于实现多线程环境下的原子操作。它通过比较内存中的值与预期值是否相同来决定是否进行更新。JDK 5引入了基于CAS的乐观锁机制,替代了传统的synchronized独占锁,提升了并发性能。然而,CAS存在ABA问题、循环时间长开销大和只能保证单个共享变量原子性等缺点。为解决这些问题,可以使用版本号机制、合并多个变量或引入pause指令优化CPU执行效率。CAS广泛应用于JDK的原子类中,如AtomicInteger.incrementAndGet(),利用底层Unsafe库实现高效的无锁自增操作。
理解CAS算法原理
|
1月前
|
存储 算法 测试技术
【C++数据结构——树】二叉树的遍历算法(头歌教学实验平台习题) 【合集】
本任务旨在实现二叉树的遍历,包括先序、中序、后序和层次遍历。首先介绍了二叉树的基本概念与结构定义,并通过C++代码示例展示了如何定义二叉树节点及构建二叉树。接着详细讲解了四种遍历方法的递归实现逻辑,以及层次遍历中队列的应用。最后提供了测试用例和预期输出,确保代码正确性。通过这些内容,帮助读者理解并掌握二叉树遍历的核心思想与实现技巧。
49 2
|
2月前
|
存储 算法 安全
基于红黑树的局域网上网行为控制C++ 算法解析
在当今网络环境中,局域网上网行为控制对企业和学校至关重要。本文探讨了一种基于红黑树数据结构的高效算法,用于管理用户的上网行为,如IP地址、上网时长、访问网站类别和流量使用情况。通过红黑树的自平衡特性,确保了高效的查找、插入和删除操作。文中提供了C++代码示例,展示了如何实现该算法,并强调其在网络管理中的应用价值。
|
1月前
|
存储 算法 安全
基于哈希表的文件共享平台 C++ 算法实现与分析
在数字化时代,文件共享平台不可或缺。本文探讨哈希表在文件共享中的应用,包括原理、优势及C++实现。哈希表通过键值对快速访问文件元数据(如文件名、大小、位置等),查找时间复杂度为O(1),显著提升查找速度和用户体验。代码示例展示了文件上传和搜索功能,实际应用中需解决哈希冲突、动态扩容和线程安全等问题,以优化性能。
|
2月前
|
算法 安全 C++
用 C++ 算法控制员工上网的软件,关键逻辑是啥?来深度解读下
在企业信息化管理中,控制员工上网的软件成为保障网络秩序与提升办公效率的关键工具。该软件基于C++语言,融合红黑树、令牌桶和滑动窗口等算法,实现网址精准过滤、流量均衡分配及异常连接监测。通过高效的数据结构与算法设计,确保企业网络资源优化配置与安全防护升级,同时尊重员工权益,助力企业数字化发展。
65 4
|
3月前
|
算法
数据结构之路由表查找算法(深度优先搜索和宽度优先搜索)
在网络通信中,路由表用于指导数据包的传输路径。本文介绍了两种常用的路由表查找算法——深度优先算法(DFS)和宽度优先算法(BFS)。DFS使用栈实现,适合路径问题;BFS使用队列,保证找到最短路径。两者均能有效查找路由信息,但适用场景不同,需根据具体需求选择。文中还提供了这两种算法的核心代码及测试结果,验证了算法的有效性。
143 23
|
2月前
|
存储 人工智能 缓存
【AI系统】布局转换原理与算法
数据布局转换技术通过优化内存中数据的排布,提升程序执行效率,特别是对于缓存性能的影响显著。本文介绍了数据在内存中的排布方式,包括内存对齐、大小端存储等概念,并详细探讨了张量数据在内存中的排布,如行优先与列优先排布,以及在深度学习中常见的NCHW与NHWC两种数据布局方式。这些布局方式的选择直接影响到程序的性能,尤其是在GPU和CPU上的表现。此外,还讨论了连续与非连续张量的概念及其对性能的影响。
95 3
|
3月前
|
机器学习/深度学习 人工智能 算法
探索人工智能中的强化学习:原理、算法与应用
探索人工智能中的强化学习:原理、算法与应用