图的广度优先搜索（BFS）和深度优先搜索（DFS）算法解析
BFS和DFS算法解析
【算法入门】
2018/6/2
1.前言
和树的遍历类似，图的遍历也是从图中某点出发，然后按照某种方法对图中所有顶点进行访问，且仅访问一次。
但是图的遍历相对树而言要更为复杂。因为图中的任意顶点都可能与其他顶点相邻，所以在图的遍历中必须记录已被访问的顶点，避免重复访问。
根据搜索路径的不同，我们可以将遍历图的方法分为两种：广度优先搜索和深度优先搜索。
2.图的基本概念
2.1.无向图和无向图
顶点对(u，v)是无序的，即（u，v）和（v，u）是同一条边。常用一对圆括号表示。
图2-1-1 无向图示例
顶点对<u,v>是有序的，它是指从顶点u到顶点 v的一条有向边。其中u是有向边的始点，v是有向边的终点。常用一对尖括号表示。
图2-1-2 有向图示例
2.2.权和网
图的每条边上可能存在具有某种含义的数值，称该数值为该边上的权。而这种带权的图被称为网。
2.3.连通图与非连通图
连通图：在无向图G中，从顶点v到顶点v'有路径，则称v和v'是联通的。若图中任意两顶点v、v'∈V，v和v'之间均联通，则称G是连通图。上述两图均为连通图。
非连通图：若无向图G中，存在v和v'之间不连通，则称G是非连通图。
图2-3 非连通图示例
3.广度优先搜索
3.1.算法的基本思路
广度优先搜索类似于树的层次遍历过程。它需要借助一个队列来实现。如图2-1-1所示，要想遍历从v0到v6的每一个顶点，我们可以设v0为第一层，v1、v2、v3为第二层，v4、v5为第三层，v6为第四层，再逐个遍历每一层的每个顶点。
具体过程如下：
1.准备工作：创建一个visited数组，用来记录已被访问过的顶点；创建一个队列，用来存放每一层的顶点；初始化图G。
2.从图中的v0开始访问，将的visited[v0]数组的值设置为true，同时将v0入队。
3.只要队列不空，则重复如下操作：
(1)队头顶点u出队。
(2)依次检查u的所有邻接顶点w，若visited[w]的值为false，则访问w，并将visited[w]置为true，同时将w入队。
3.2.算法的实现过程
白色表示未被访问，灰色表示即将访问，黑色表示已访问。
visited数组：0表示未访问，1表示以访问。
队列：队头出元素，队尾进元素。
1.初始时全部顶点均未被访问，visited数组初始化为0，队列中没有元素。
图3-2-1
2.即将访问顶点v0。
图3-2-2
3.访问顶点v0，并置visited[0]的值为1，同时将v0入队。
图3-2-3
4.将v0出队，访问v0的邻接点v2。判断visited[2]，因为visited[2]的值为0，访问v2。
图3-2-4
5.将visited[2]置为1，并将v2入队。
图3-2-5
6.访问v0邻接点v1。判断visited[1],因为visited[1]的值为0，访问v1。
图3-2-6
7.将visited[1]置为0，并将v1入队。
图3-2-7
8.判断visited[3],因为它的值为0，访问v3。将visited[3]置为0，并将v3入队。
图3-2-8
9.v0的全部邻接点均已被访问完毕。将队头元素v2出队，开始访问v2的所有邻接点。
开始访问v2邻接点v0，判断visited[0]，因为其值为1，不进行访问。
继续访问v2邻接点v4，判断visited[4]，因为其值为0，访问v4，如下图：
图3-2-9
10.将visited[4]置为1，并将v4入队。
图3-2-10
11.v2的全部邻接点均已被访问完毕。将队头元素v1出队，开始访问v1的所有邻接点。
开始访问v1邻接点v0，因为visited[0]值为1，不进行访问。
继续访问v1邻接点v4，因为visited[4]的值为1，不进行访问。
继续访问v1邻接点v5，因为visited[5]值为0，访问v5，如下图：
图3-2-11
12.将visited[5]置为1，并将v5入队。
图3-2-12
13.v1的全部邻接点均已被访问完毕，将队头元素v3出队，开始访问v3的所有邻接点。
开始访问v3邻接点v0，因为visited[0]值为1，不进行访问。
继续访问v3邻接点v5，因为visited[5]值为1，不进行访问。
图3-2-13
14.v3的全部邻接点均已被访问完毕，将队头元素v4出队，开始访问v4的所有邻接点。
开始访问v4的邻接点v2，因为visited[2]的值为1，不进行访问。
继续访问v4的邻接点v6，因为visited[6]的值为0，访问v6，如下图：
图3-2-14
15.将visited[6]值为1，并将v6入队。
图3-2-15
16.v4的全部邻接点均已被访问完毕，将队头元素v5出队，开始访问v5的所有邻接点。
开始访问v5邻接点v3，因为visited[3]的值为1，不进行访问。
继续访问v5邻接点v6，因为visited[6]的值为1，不进行访问。
图3-2-16
17.v5的全部邻接点均已被访问完毕，将队头元素v6出队，开始访问v6的所有邻接点。
开始访问v6邻接点v4，因为visited[4]的值为1，不进行访问。
继续访问v6邻接点v5，因为visited[5]的值文1，不进行访问。
图3-2-17
18.队列为空，退出循环，全部顶点均访问完毕。
3.3具体代码的实现
3.3.1用邻接矩阵表示图的广度优先搜索
/*一些量的定义*/
queue<char> q; //定义一个队列，使用库函数queue
#define MVNum 100 //表示最大顶点个数
bool visited[MVNum]; //定义一个visited数组，记录已被访问的顶点/*邻接矩阵存储表示*/
typedef struct AMGraph
{
char vexs[MVNum]; //顶点表
int arcs[MVNum][MVNum]; //邻接矩阵
int vexnum, arcnum; //当前的顶点数和边数
}AMGraph;/*找到顶点v的对应下标*/
int LocateVex(AMGraph &G, char v)
{
int i;
for (i = 0; i < G.vexnum; i++)
if (G.vexs[i] == v)
return i;
}/*采用邻接矩阵表示法，创建无向图G*/
int CreateUDG_1(AMGraph &G)
{
int i, j, k;
char v1, v2;
scanf("%d%d", &G.vexnum, &G.arcnum); //输入总顶点数，总边数
getchar(); //获取'\n’，防止其对之后的字符输入造成影响
for (i = 0; i < G.vexnum; i++)
scanf("%c", &G.vexs[i]); //依次输入点的信息
for (i = 0; i < G.vexnum; i++)
for (j = 0; j < G.vexnum; j++)
G.arcs[i][j] = 0; //初始化邻接矩阵边，0表示顶点i和j之间无边
for (k = 0; k < G.arcnum; k++)
{
getchar();
scanf("%c%c", &v1, &v2); //输入一条边依附的顶点
i = LocateVex(G, v1); //找到顶点i的下标
j = LocateVex(G, v2); //找到顶点j的下标
G.arcs[i][j] = G.arcs[j][i] = 1; //1表示顶点i和j之间有边，无向图不区分方向
}
return 1;
}/*采用邻接矩阵表示图的广度优先遍历*/
void BFS_AM(AMGraph &G,char v0)
{
/*从v0元素开始访问图*/
int u,i,v,w;
v = LocateVex(G,v0); //找到v0对应的下标
printf("%c ", v0); //打印v0
visited[v] = 1; //顶点v0已被访问
q.push(v0); //将v0入队
while (!q.empty())
{
u = q.front(); //将队头元素u出队，开始访问u的所有邻接点
v = LocateVex(G, u); //得到顶点u的对应下标
q.pop(); //将顶点u出队
for (i = 0; i < G.vexnum; i++)
{
w = G.vexs[i];
if (G.arcs[v][i] && !visited[i])//顶点u和w间有边，且顶点w未被访问
{
printf("%c ", w); //打印顶点w
q.push(w); //将顶点w入队
visited[i] = 1; //顶点w已被访问
}
}
}
}
3.3.2用邻接表表示图的广度优先搜索
/*找到顶点对应的下标*/
int LocateVex(ALGraph &G, char v)
{
int i;
for (i = 0; i < G.vexnum; i++)
if (v == G.vertices[i].data)
return i;
}/*邻接表存储表示*/
typedef struct ArcNode //边结点
{
int adjvex; //该边所指向的顶点的位置
ArcNode *nextarc; //指向下一条边的指针
int info; //和边相关的信息，如权值
}ArcNode;
typedef struct VexNode //表头结点
{
char data;
ArcNode *firstarc; //指向第一条依附该顶点的边的指针
}VexNode,AdjList[MVNum]; //AbjList表示一个表头结点表
typedef struct ALGraph
{
AdjList vertices;
int vexnum, arcnum;
}ALGraph;/*采用邻接表表示法，创建无向图G*/
int CreateUDG_2(ALGraph &G)
{
int i, j, k;
char v1, v2;
scanf("%d%d", &G.vexnum, &G.arcnum); //输入总顶点数，总边数
getchar();
for (i = 0; i < G.vexnum; i++) //输入各顶点，构造表头结点表
{
scanf("%c", &G.vertices[i].data); //输入顶点值
G.vertices[i].firstarc = NULL; //初始化每个表头结点的指针域为NULL
}
for (k = 0; k < G.arcnum; k++) //输入各边，构造邻接表
{
getchar();
scanf("%c%c", &v1, &v2); //输入一条边依附的两个顶点
i = LocateVex(G, v1); //找到顶点i的下标
j = LocateVex(G, v2); //找到顶点j的下标
ArcNode *p1 = new ArcNode; //创建一个边结点*p1
p1->adjvex = j; //其邻接点域为j
p1->nextarc = G.vertices[i].firstarc; G.vertices[i].firstarc = p1; // 将新结点*p插入到顶点v1的边表头部
ArcNode *p2 = new ArcNode; //生成另一个对称的新的表结点*p2
p2->adjvex = i;
p2->nextarc = G.vertices[j].firstarc;
G.vertices[j].firstarc = p1;
}
return 1;
}/*采用邻接表表示图的广度优先遍历*/
void BFS_AL(ALGraph &G, char v0)
{
int u,w,v;
ArcNode *p;
printf("%c ", v0); //打印顶点v0
v = LocateVex(G, v0); //找到v0对应的下标
visited[v] = 1; //顶点v0已被访问
q.push(v0); //将顶点v0入队
while (!q.empty())
{
u = q.front(); //将顶点元素u出队，开始访问u的所有邻接点
v = LocateVex(G, u); //得到顶点u的对应下标
q.pop(); //将顶点u出队
for (p = G.vertices[v].firstarc; p; p = p->nextarc) //遍历顶点u的邻接点
{
w = p->adjvex;
if (!visited[w]) //顶点p未被访问
{
printf("%c ", G.vertices[w].data); //打印顶点p
visited[w] = 1; //顶点p已被访问
q.push(G.vertices[w].data); //将顶点p入队
}
}
}
}3.4.非联通图的广度优先遍历的实现方法
/*广度优先搜索非连通图*/
void BFSTraverse(AMGraph G)
{
int v;
for (v = 0; v < G.vexnum; v++)
visited[v] = 0; //将visited数组初始化
for (v = 0; v < G.vexnum; v++)
if (!visited[v]) BFS_AM(G, G.vexs[v]); //对尚未访问的顶点调用BFS
}4.深度优先搜索
4.1算法的基本思路
深度优先搜索类似于树的先序遍历，具体过程如下：
准备工作：创建一个visited数组，用于记录所有被访问过的顶点。
1.从图中v0出发，访问v0。
2.找出v0的第一个未被访问的邻接点，访问该顶点。以该顶点为新顶点，重复此步骤，直至刚访问过的顶点没有未被访问的邻接点为止。
3.返回前一个访问过的仍有未被访问邻接点的顶点，继续访问该顶点的下一个未被访问领接点。
4.重复2,3步骤，直至所有顶点均被访问，搜索结束。
4.2算法的实现过程
1.初始时所有顶点均未被访问，visited数组为空。
图4-2-1
2.即将访问v0。
图4-2-2
3.访问v0，并将visited[0]的值置为1。
图4-2-3
4.访问v0的邻接点v2，判断visited[2]，因其值为0，访问v2。
图4-2-4
5.将visited[2]置为1。
图4-2-5
6.访问v2的邻接点v0，判断visited[0]，其值为1，不访问。
继续访问v2的邻接点v4，判断visited[4]，其值为0，访问v4。
图4-2-6
7.将visited[4]置为1。
图4-2-7
8.访问v4的邻接点v1，判断visited[1]，其值为0，访问v1。
图4-2-8
9.将visited[1]置为1。
图4-2-9
10.访问v1的邻接点v0，判断visited[0]，其值为1，不访问。
继续访问v1的邻接点v4，判断visited[4]，其值为1，不访问。
继续访问v1的邻接点v5，判读visited[5]，其值为0，访问v5。
图4-2-10
11.将visited[5]置为1。
图4-2-11
12.访问v5的邻接点v1，判断visited[1]，其值为1，不访问。
继续访问v5的邻接点v3，判断visited[3]，其值为0，访问v3。
图4-2-12
13.将visited[1]置为1。
图4-2-13
14.访问v3的邻接点v0，判断visited[0]，其值为1，不访问。
继续访问v3的邻接点v5，判断visited[5]，其值为1，不访问。
v3所有邻接点均已被访问，回溯到其上一个顶点v5，遍历v5所有邻接点。
访问v5的邻接点v6，判断visited[6]，其值为0，访问v6。
图4-2-14
15.将visited[6]置为1。
图4-2-15
16.访问v6的邻接点v4，判断visited[4]，其值为1，不访问。
访问v6的邻接点v5，判断visited[5]，其值为1，不访问。
v6所有邻接点均已被访问，回溯到其上一个顶点v5，遍历v5剩余邻接点。
图4-2-16
17.v5所有邻接点均已被访问，回溯到其上一个顶点v1。
v1所有邻接点均已被访问，回溯到其上一个顶点v4，遍历v4剩余邻接点v6。
v4所有邻接点均已被访问，回溯到其上一个顶点v2。
v2所有邻接点均已被访问，回溯到其上一个顶点v1，遍历v1剩余邻接点v3。
v1所有邻接点均已被访问，搜索结束。
图4-2-17
4.3具体代码实现
4.3.1用邻接矩阵表示图的深度优先搜索
邻接矩阵的创建在上述已描述过，这里不再赘述
void DFS_AM(AMGraph &G, int v)
{
int w;
printf("%c ", G.vexs[v]);
visited[v] = 1;
for (w = 0; w < G.vexnum; w++)
if (G.arcs[v][w]&&!visited[w]) //递归调用
DFS_AM(G,w);
}4.3.2用邻接表表示图的深度优先搜素
邻接表的创建在上述已描述过，这里不再赘述。
void DFS_AL(ALGraph &G, int v)
{
int w;
printf("%c ", G.vertices[v].data);
visited[v] = 1;
ArcNode *p = new ArcNode;
p = G.vertices[v].firstarc;
while (p)
{
w = p->adjvex;
if (!visited[w]) DFS_AL(G, w);
p = p->nextarc;
}
}上一篇： 如何用python制作小游戏
推荐阅读
-
Python数据结构与算法之图的广度优先与深度优先搜索算法示例
-
可能是目前为止最为详细的深度优先搜索DFS和广度优先搜索BFS算法分析
-
数据结构与算法-----BFS与DFS（广度优先搜索与深度优先搜索）
-
数据结构与算法_深度优先搜索（DFS）与广度优先搜索（BFS）详解
-
Java数据结构与算法：图、图的概念、深度优先搜索DFS、广度优先搜索BFS、思路分析、代码实现
-
【数据结构】图的遍历——深度优先搜索DFS、广度优先搜索BFS
-
数据结构与算法——广度和深度优先搜索
-
算法 -- 深度优先搜索和广度优先搜索
-
BFS（广度优先搜索算法）和DFS（深度优先搜索算法）
-
数据结构与算法————图的遍历DFS深度优先搜索和BFS广度优先搜索