每天一道算法题(六)深度优先算法(DFS)学习及Java实现
来源:互联网 发布:出肉走淘宝 编辑:程序博客网 时间:2024/06/08 07:05
深度优先算法
定义
wiki上的解释:
深度优先搜索算法(英语:Depth-First-Search,简称DFS)是一种用于遍历或搜索树或图的算法。沿着树的深度遍历树的节点,尽可能深的搜索树的分支。当节点v的所在边都己被探寻过,搜索将回溯到发现节点v的那条边的起始节点。这一过程一直进行到已发现从源节点可达的所有节点为止。如果还存在未被发现的节点,则选择其中一个作为源节点并重复以上过程,整个进程反复进行直到所有节点都被访问为止。属于盲目搜索。
当然看到上面这句话的时候,我并没有理解什么到底是DFS,因此又看了很多人的说话,有了下面一段话:
DFS的思想是从一个顶点V0开始,沿着一条路一直走到底,如果发现不能到达目标解,那就返回到上一个节点,然后从另一条路开始走到底。
DFS适合此类题目:给定初始状态跟目标状态,要求判断从初始状态到目标状态是否有解。
深度与广度的比较
我们搜索一个图是按照树的层次来搜索的。
我们假设一个节点衍生出来的相邻节点平均的个数是N个,那么当起点开始搜索的时候,队列有一个节点,当起点拿出来后,把它相邻的节点放进去,那么队列就有N个节点,当下一层的搜索中再加入元素到队列的时候,节点数达到了N2,你可以想想,一旦N是一个比较大的数的时候,这个树的层次又比较深,那这个队列就得需要很大的内存空间了。
于是广度优先搜索的缺点出来了:在树的层次较深&子节点数较多的情况下,消耗内存十分严重。广度优先搜索适用于节点的子节点数量不多,并且树的层次不会太深的情况。
那么深度优先就可以克服这个缺点,因为每次搜的过程,每一层只需维护一个节点。但回过头想想,广度优先能够找到最短路径,那深度优先能否找到呢?深度优先的方法是一条路走到黑,那显然无法知道这条路是不是最短的,所以你还得继续走别的路去判断是否是最短路?
于是深度优先搜索的缺点也出来了:难以寻找最优解,仅仅只能寻找有解。其优点就是内存消耗小,克服了刚刚说的广度优先搜索的缺点。
数字为搜索顺序
代码(转)
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(); }}----------Output:深度优先遍历(递归):A B C D E F G H I 深度优先遍历(非递归):A B C D E F G H I
博客中有些内容引自:
深度优先搜索(DFS)理解DFS概念上很清晰
- 每天一道算法题(六)深度优先算法(DFS)学习及Java实现
- 深度优先算法(DFS)
- #深度优先算法(DFS)
- (DFS算法)深度优先搜索算法
- java实现最大公约数和最小公倍数(每天一道算法题)
- 算法学习:图的深度优先遍历(DFS)
- 【算法学习笔记】深度优先搜索(DFS)
- 【算法】深度优先搜索(DFS)I
- 【算法】深度优先搜索(DFS)II
- 【算法】深度优先搜索(DFS)III
- 【算法】深度优先搜索(DFS)IV
- 【算法】深度优先搜索(DFS)V
- 【算法】深度优先搜索(DFS)VI
- 深度优先搜索算法(DFS)
- 深度优先搜索(DFS)算法
- DFS(深度优先)算法编程实践
- DFS深度优先算法java算法
- Java实现算法导论中图的广度优先搜索(BFS)和深度优先搜索(DFS)
- Java小程序之用*打印正/倒立三角形
- mysql--sql查询练手
- 开启MYSQL主从同步备份
- py调用cmd命令
- Android解决ViewPager嵌套Fragment,Fragment嵌套ViewPager滑动冲突
- 每天一道算法题(六)深度优先算法(DFS)学习及Java实现
- 指针运算
- 【拾遗】C++申请动态连续内存的二维数组
- 203. Remove Linked List Elements
- 拦截器和过滤器
- 快速排序(Quicksort)的Javascript实现
- 枚举的创建和描述文本的获取
- 配置apache的虚拟主机
- css实现文本和div居中对齐详细讲解示例