《图论》——深度优先搜索算法(DFS)

简介: 十大算法之广度优先遍历: 深度优先搜索遍历类似于树的先序遍历。假定给定图G的初态是所有顶点均未被访问过,在G中任选一个顶点i作为遍历的初始点,则深度优先搜索递归调用包含以下操作: (1)访问搜索到的未被访问的邻接点; (2)将此顶点的visited数组元素值置1; (3)搜索该顶点的未被访问的邻接点,若该邻接点存在,则从此邻接点开始进行同样的访问和搜索。

十大算法之广度优先遍历:


深度优先搜索遍历类似于树的先序遍历。假定给定图G的初态是所有顶点均未被访问过,在G中任选一个顶点i作为遍历的初始点,则深度优先搜索递归调用包含以下操作:

1)访问搜索到的未被访问的邻接点;

2)将此顶点的visited数组元素值置1

3)搜索该顶点的未被访问的邻接点,若该邻接点存在,则从此邻接点开始进行同样的访问和搜索。

深度优先搜索DFS可描述为:

1)访问v0顶点;

2)置 visited[v0]=1

3)搜索v0未被访问的邻接点w,若存在邻接点w,则DFS(w)

遍历过程:     

 DFS在访问图中某一起始顶点 v后,由 v 出发,访问它的任一邻接顶点 w1;再从 w1出发,访问与 w1接但还没有访问过的顶点 w2;然后再从 w2出发,进行类似的访问,…如此进行下去,直至到达所有的邻接顶点都被访问过的顶点 u为止。

接着,退回一步,退到前一次刚访问过的顶点,看是否还有其它没有被访问的邻接顶点。如果有,则访问此顶点,之后再从此顶点出发,进行与前述类似的访问;如果没有,就再退回一步进行搜索。重复上述过程,直到连通图中所有顶点都被访问过为止。如下图所示:

           在此小编的代码主要是根据如下图编写个人代码:

         采用的是存放于邻接链表中

        

         0:代表两个结点没有关联;1:代表两个结点有关联

         思路:

        1、定义vet数组存放结点信息;array数组为邻接链表,初始值为0;ifvisit是判断结点是否被访问过,初始值为false

        2、从A开始遍历,找到第一个与之关联的结点,然后从关联的结点开始遍历,直到所有的结点都被访问过

       代码如下:


package Graph;

import java.util.ArrayList;
import java.util.List;

/*
 * 深度优先遍历算法
 * DFS
 */
public class DFS {

	private static Object[] vet; //定义vet数组用来存放顶点信息
	private static int[][] array;  //定义邻接矩阵用来存放图的顶点信息
	private static int vexnum;      //存放边的条数
	private static boolean[] ifvisited; //存放节点是否被访问过
	private static List<Object> list = new ArrayList<Object>();  //定义一个临时的队列用来存放已经被访问过的节点

	public static void main(String[] args) {
		DFS map = new DFS(5); //初始化队列
		Character[] vet = {'A','B','C','D','E'};
		map.addVet(vet);   //添加顶点
		map.addEage(0,1);
		map.addEage(0,4);
		map.addEage(1,3);
		map.addEage(2,3);
		map.addEage(2,4);
		
		System.out.println("深度优先遍历开始...");
		visited(0);
		ifvisited[0]=true;
		map.dfs(0);
	}
	
	//深度优先遍历
	private void dfs(int k) {
		// TODO Auto-generated method stub
		for(int i=0; i< vexnum; i++)
			if(array[k][i] == 1 && !ifvisited[i])//判断是否被访问过,且其值是否为1
			{
				ifvisited[i] = true;
				visited(i);   //添加到被访问过的节点队列
				for(int j=0; j<vexnum; j++)
				{
					if(!ifvisited[j] && array[i][j] ==1)
					{
						ifvisited[j] = true;
						visited(j);
						dfs(j);  //下次循环从vet[j]开始循环
					}
				}
			}
	}

	//往临时队列里添加已经访问过的结点,并输出
	private static void visited(int k) {
		// TODO Auto-generated method stub
		list.add(vet[k]);
		System.out.println("   -> " + vet[k]);
	}

	//构建邻接矩阵,保存边的信息
	private void addEage(int m, int n) {
		// TODO Auto-generated method stub
		if(m!=n){
			array[m][n] =1;
			array[n][m] =1;
		}
		else
			return;
	}
	
	//初始化图的顶点
	private void addVet(Character[] vet2) {
		// TODO Auto-generated method stub
		this.vet = vet2;
	}

	//图的初始化
	public DFS(int num) {
		// TODO Auto-generated constructor stub
		vexnum = num;   //顶点
		vet = new Object[num]; //顶点的信息
		array = new int[num][num];  //边的信息
		ifvisited = new boolean[num]; //是否被访问过
		for(int i =0 ;i< num; i++)    //初始化边
		{
			ifvisited[i] = false;
			for(int j =0;j<num;j++)
				array[i][j]=0;
		}
	}


}

输出为:

深度优先遍历开始...
   -> A
   -> B
   -> D
   -> C
   -> E

相关文章
|
2月前
|
算法 测试技术 定位技术
数据结构与算法——DFS(深度优先搜索)
数据结构与算法——DFS(深度优先搜索)
|
4月前
|
算法
DFS算法的实现
DFS算法的实现
64 3
|
21天前
|
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。
82 23
|
17天前
|
JSON 算法 数据挖掘
基于图论算法有向图PageRank与无向图Louvain算法构建指令的方式方法 用于支撑qwen agent中的统计相关组件
利用图序列进行数据解读,主要包括节点序列分析、边序列分析以及结合节点和边序列的综合分析。节点序列分析涉及节点度分析(如入度、出度、度中心性)、节点属性分析(如品牌、价格等属性的分布与聚类)、节点标签分析(如不同标签的分布及标签间的关联)。边序列分析则关注边的权重分析(如关联强度)、边的类型分析(如管理、协作等关系)及路径分析(如最短路径计算)。结合节点和边序列的分析,如子图挖掘和图的动态分析,可以帮助深入理解图的结构和功能。例如,通过子图挖掘可以发现具有特定结构的子图,而图的动态分析则能揭示图随时间的变化趋势。这些分析方法结合使用,能够从多个角度全面解读图谱数据,为决策提供有力支持。
|
21天前
|
算法 vr&ar 计算机视觉
数据结构之洪水填充算法(DFS)
洪水填充算法是一种基于深度优先搜索(DFS)的图像处理技术,主要用于区域填充和图像分割。通过递归或栈的方式探索图像中的连通区域并进行颜色替换。本文介绍了算法的基本原理、数据结构设计(如链表和栈)、核心代码实现及应用实例,展示了算法在图像编辑等领域的高效性和灵活性。同时,文中也讨论了算法的优缺点,如实现简单但可能存在堆栈溢出的风险等。
35 0
|
2月前
|
算法 C++
【算法解题思想】动态规划+深度优先搜索(C/C++)
【算法解题思想】动态规划+深度优先搜索(C/C++)
|
6月前
|
算法 Java
Java数据结构与算法:图算法之深度优先搜索(DFS)
Java数据结构与算法:图算法之深度优先搜索(DFS)
|
7天前
|
算法
基于WOA算法的SVDD参数寻优matlab仿真
该程序利用鲸鱼优化算法(WOA)对支持向量数据描述(SVDD)模型的参数进行优化,以提高数据分类的准确性。通过MATLAB2022A实现,展示了不同信噪比(SNR)下模型的分类误差。WOA通过模拟鲸鱼捕食行为,动态调整SVDD参数,如惩罚因子C和核函数参数γ,以寻找最优参数组合,增强模型的鲁棒性和泛化能力。
|
13天前
|
机器学习/深度学习 算法 Serverless
基于WOA-SVM的乳腺癌数据分类识别算法matlab仿真,对比BP神经网络和SVM
本项目利用鲸鱼优化算法(WOA)优化支持向量机(SVM)参数,针对乳腺癌早期诊断问题,通过MATLAB 2022a实现。核心代码包括参数初始化、目标函数计算、位置更新等步骤,并附有详细中文注释及操作视频。实验结果显示,WOA-SVM在提高分类精度和泛化能力方面表现出色,为乳腺癌的早期诊断提供了有效的技术支持。