深度优先搜索算法(java语言)
来源:互联网 发布:捍卫者软件 编辑:程序博客网 时间:2024/05/16 09:33
我们在学习了图之后,需要一种机制来遍历图,图的遍历算法也叫图搜索算法。与树的遍历算法(中序、前序、后序以及层序遍历)一样,图搜索算法也可以看做从图的某个源点开始,通过遍历和标记顶点来搜索图。下面讨论两种遍历图的算法:
(1)深度优先搜索(DFS)。
(2)广度优先搜索(BFS)。
一、深度优先搜索
例子如下图所示:
从该图的基础上遍历该图:
使用深度优先搜索算法(DFS),使用了两种方法,递归和非递归方法:
import java.util.Stack;public class DFSTest { // 存储节点信息 private char[] vertices; // 存储边信息(邻接矩阵) private int[][] arcs; // 图的节点数 private int vexnum; // 记录节点是否已被遍历 private boolean[] visited; // 初始化 public DFSTest(int n) { vexnum = n; vertices = new char[n]; arcs = new int[n][n]; visited = new boolean[n]; for (int i = 0; i < vexnum; i++) { for (int j = 0; j < vexnum; j++) { arcs[i][j] = 0; } } } // 添加边(无向图) public void addEdge(int i, int j) { // 边的头尾不能为同一节点 if (i == j)return; arcs[i][j] = 1; arcs[j][i] = 1; } // 设置节点集 public void setVertices(char[] vertices) { this.vertices = vertices; } // 设置节点访问标记 public void setVisited(boolean[] visited) { this.visited = visited; } // 打印遍历节点 public void visit(int i){ System.out.print(vertices[i] + " "); } // 从第i个节点开始深度优先遍历 private void traverse(int i){ // 标记第i个节点已遍历 visited[i] = true; // 打印当前遍历的节点 visit(i); // 遍历邻接矩阵中第i个节点的直接联通关系 for(int j=0;j<vexnum;j++){ // 目标节点与当前节点直接联通,并且该节点还没有被访问,递归 if(arcs[i][j]==1 && visited[j]==false){ traverse(j); } } } // 图的深度优先遍历(递归) public void DFSTraverse(){ // 初始化节点遍历标记 for (int i = 0; i < vexnum; i++) { visited[i] = false; } // 从没有被遍历的节点开始深度遍历 for(int i=0;i<vexnum;i++){ if(visited[i]==false){ // 若是连通图,只会执行一次 traverse(i); } } } // 图的深度优先遍历(非递归) public void DFSTraverse2(){ // 初始化节点遍历标记 for (int i = 0; i < vexnum; i++) { visited[i] = false; } Stack<Integer> s = new Stack<Integer>(); for(int i=0;i<vexnum;i++){ if(!visited[i]){ //连通子图起始节点 s.add(i); do{ // 出栈 int curr = s.pop(); // 如果该节点还没有被遍历,则遍历该节点并将子节点入栈 if(visited[curr]==false){ // 遍历并打印 visit(curr); visited[curr] = true; // 没遍历的子节点入栈 for(int j=vexnum-1; j>=0 ; j-- ){ if(arcs[curr][j]==1 && visited[j]==false){ s.add(j); } } } }while(!s.isEmpty()); } } } public static void main(String[] args) { DFSTest g = new DFSTest(9); char[] vertices = {'A','B','C','D','E','F','G','H','I'}; g.setVertices(vertices); g.addEdge(0, 1); g.addEdge(0, 5); g.addEdge(1, 0); g.addEdge(1, 2); g.addEdge(1, 6); g.addEdge(1, 8); g.addEdge(2, 1); g.addEdge(2, 3); g.addEdge(2, 8); g.addEdge(3, 2); g.addEdge(3, 4); g.addEdge(3, 6); g.addEdge(3, 7); g.addEdge(3, 8); g.addEdge(4, 3); g.addEdge(4, 5); g.addEdge(4, 7); g.addEdge(5, 0); g.addEdge(5, 4); g.addEdge(5, 6); g.addEdge(6, 1); g.addEdge(6, 3); g.addEdge(6, 5); g.addEdge(6, 7); g.addEdge(7, 3); g.addEdge(7, 4); g.addEdge(7, 6); g.addEdge(8, 1); g.addEdge(8, 2); g.addEdge(8, 3); System.out.print("深度优先遍历(递归):"); g.DFSTraverse(); System.out.println(); System.out.print("深度优先遍历(非递归):"); g.DFSTraverse2(); }}
执行结果截图为:
如果使用邻接表来表示图,则DFS算法的时间复杂度为O(V+E),如果用邻接矩阵来表示图,时间复杂度为O(V平方)
DFS的应用:生成森林、连同分量、路径、环路且内存开销比BFS要小很多。
ps:BFS算法和这两者的区别下一节我会介绍!
最后:欢迎大家评论交流,互相学习,共同进步!
阅读全文