用邻接表表示图的广度优先搜索时的存储结构,通常采用()结构来实现算法

Posted

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了用邻接表表示图的广度优先搜索时的存储结构,通常采用()结构来实现算法相关的知识,希望对你有一定的参考价值。

A 栈 B队列 C树 D图

B。

广度优先搜索相当于层次遍历,深度优先搜索相当于先序优先遍历,所以答案选择B。

邻接表表示的图的广度优先搜索一般采用队列结构来实现算法:

首先选择一个起始节点,把它的临界表中节点加入到队列中,每次取出队首元素,然后把该元素的邻接表中的节点加入到队列末尾,标记已遍历过的节点,直到队列中没有节点为止,一般栈用于深度优先搜索,队列用于广度优先搜索。

扩展资料:

深度优先搜索用一个数组存放产生的所有状态。

(1) 把初始状态放入数组中,设为当前状态;

(2) 扩展当前的状态,产生一个新的状态放入数组中,同时把新产生的状态设为当前状态;

(3) 判断当前状态是否和前面的重复,如果重复则回到上一个状态,产生它的另一状态;

(4) 判断当前状态是否为目标状态,如果是目标,则找到一个解答,结束算法。

参考资料来源:百度百科-深度优先搜索

参考技术A

B。

广度优先搜索相当于层次遍历,深度优先搜索相当于先序优先遍历,所以答案选择B。

邻接表表示的图的广度优先搜索一般采用队列结构来实现算法:

首先选择一个起始节点,把它的临界表中节点加入到队列中,每次取出队首元素,然后把该元素的邻接表中的节点加入到队列末尾,标记已遍历过的节点,直到队列中没有节点为止,一般栈用于深度优先搜索,队列用于广度优先搜索。

扩展资料:

所有的搜索算法从其最终的算法实现上来看,都可以划分成两个部分,控制结构和产生系统。正如前面所说的,搜索算法简而言之就是穷举所有可能情况并找到合适的答案,所以最基本的问题就是罗列出所有可能的情况,这其实就是一种产生式系统。

我们将所要解答的问题划分成若干个阶段或者步骤,当一个阶段计算完毕,下面往往有多种可选选择,所有的选择共同组成了问题的解空间,对搜索算法而言,将所有的阶段或步骤画出来就类似是树的结构。

从根开始计算,到找到位于某个节点的解,回溯法(深度优先搜索)作为最基本的搜索算法,其采用了一种“一只向下走,走不通就掉头”的思想(体会“回溯”二字),相当于采用了先根遍历的方法来构造搜索树。

参考资料来源:百度百科-深度优先搜索

参考技术B

B

广度优先搜索使用队列(queue)来实现,整个过程也可以看做一个倒立的树形:

1、把根节点放到队列的末尾。

2、每次从队列的头部取出一个元素,查看这个元素所有的下一级元素,把它们放到队列的末尾。并把这个元素记为它下一级元素的前驱。

3、找到所要找的元素时结束程序。

4、如果遍历整个树还没有找到,结束程序。

扩展资料

队列的基本运算

1、初始化队列:Init_Queue(q),初始条件:队q不存在。操作结果:构造了一个空队;

2、入队操作:In_Queue(q,x),初始条件:队q存在。操作结果:对已存在的队列q,插入一个元素x到队尾,队发生变化;

3、出队操作:Out_Queue(q,x),初始条件:队q存在且非空,操作结果:删除队首元素,并返回其值,队发生变化;

4、读队头元素:Front_Queue(q,x),初始条件:队q存在且非空,操作结果:读队头元素,并返回其值,队不变;

5、判队空操作:Empty_Queue(q),初始条件:队q存在,操作结果:若q为空队则返回为1,否则返回为0。

参考资料来源:百度百科——宽度优先搜索

参考资料来源:百度百科——队列

参考技术C B
邻接表表示的图的广度优先搜索一般采用队列结构来实现算法:
首先选择一个起始节点,把它的临界表中节点加入到队列中,每次取出队首元素,然后把该元素的邻接表中的节点加入到队列末尾,标记已遍历过的节点,直到队列中没有节点为止

一般栈用于深度优先搜索,队列用于广度优先搜索本回答被提问者和网友采纳
参考技术D 广度优先搜索相当于层次遍历,深度优先搜索相当于先序优先遍历
所以答案选择B

图的搜索算法之广度优先搜索

               图的邻接表表示

对图(有向或无向)G=<V,E>便V=1,2,,n,其邻接表表示是一个由|V|个链表组成数组。对每一个uV,链表Adj[u]称为相应顶点u的邻接表。它包括G中全部与u相邻的顶点。每一个邻接表中顶点一般是按随意顺序存放的。
技术分享
无向图的邻接表表示
技术分享
有向图的邻接表表示

广度优先搜索(Broad First Search)

1.问题的理解与描写叙述
给定一个图(有向或无向)G=<V,E>和当中的一个源顶点s。广度优先搜索系统地探索G的边以“发现”从s出发每一个可达的顶点:发现从s出发距离为k+1的顶点之前先发现距离为k的顶点。搜索所经路径中的顶点。按先后顺序构成“父子关系”:先发现的顶点u,并由u出发发现与其相邻的顶点v,则称u为v的父亲。因为每一个顶点仅仅有最多一个顶点作为它的父亲,所以搜索路径必构成一棵根树(树根为起始顶点s)Gπ。我们把这棵树称为G的广度优先树。与此同一时候,我们还计算出了从s到这些可达顶点的距离(最少的边数即“最短路径”)。这样,图的广度搜索问题形式化表述例如以下。
输入:图G=<V,E>,源顶点s∈V。
输出:G的广度优先树Gπ以及树中从树根s(源顶点)到各节点的距离。
2 算法的伪代码描写叙述
为了跟踪整个过程,广度优先搜索为每一个顶点着白色。灰色或黑色。開始时,全部的顶点都着白色,然后可能白城灰色后再为黑色。一个顶点在探索过程中首次被遇到称为发现,此后他就不再是白色了。所以灰色的或黑色的是已 发现的。广度优先搜索用两者的差别来保证搜索进程以广度优先的方式进行,若(u,v)∈E且顶点u是黑色的,则顶点v非灰即黑,即与黑色顶点相邻的顶点必是已訪问过的。

灰色顶点可能有白色相邻顶点,他们表示已訪问过或未訪问过的界限。


过程BFS假定输入的图G是用邻接表表示的。每一个顶点u∈V的颜色存储在color[u]中,为计算图G的广度优先树Gπ 和从s到各可达顶点的距离。用π[u]表示顶点u在Gπ 中的父节点,用d[u]表示从s到u的距离。算法使用一个先进先出的队列Q来管理灰色顶点集合。
伪代码例如以下:

BFS(G,s)
1  for 每一个顶点 u?V[G] - {s}
2       do color[u]←WHITE
3          d[u]←?
4       ?[u] ←NIL
5  color[s] ←GRAY
6  d[s]←0
7  Q←?
8  ENQUEUE(Q,s)
9  while Q≠?
10     do u←DEQUEUE(Q)
11         for each v ?Adj[u]
12             do if color[v] = WHITE
13                   then color[v]←GRAY
14                     ?[v] ←u
15                            d[v]←d[u] + 1
16                            ENQUEUE(Q,v)
17          color[u]←BLACK
18 return ? and d

例如以下图是BFS对一个无向图的操作过程:

技术分享

算法的执行时间:Θ(V + E)

3 算法的c++实现

/***********************************
*@file:graph.h
*@ brif:图的邻接表的算法实现类
*@ author:sf
*@data:20150704
*@version 1.0
*
************************************/
#ifndef _GRAPH_H
#define _GRAPH_H


#include <list>
using namespace std;
struct vertex//邻接表节点结构
{
    double weight;//边的权值
    int index;//邻接顶点
};
class Graph
{
public:
    list<vertex> *adj;//邻接表数组
    int n;//顶点个数
    Graph(float *a,int n);
    ~Graph();

};

#endif // _GRAPH_H
#include "stdafx.h"
#include "Graph.h"

Graph::Graph(float *a,int n):n(n)//a是图的邻接矩阵
{
    adj = new list<vertex>[n];
    for (int i = 0; i < n;i++)//对每一个顶点i
        for (int j = 0; j < n;j++)
            if (a[i*n+j]!=0.0)
            {
                vertex node = { a[i*n + j], j };//a[i,j]=weight 边的权重 j,邻接节点号
                adj[i].push_back(node);
            }
}
Graph::~Graph()
{
    delete[] adj;
    adj = NULL;
}
#ifndef _BFS_H
#define _BFS_H
/***********************************
*@file:BFS.h
*@ brif:图的邻接表的图的广度优先搜索(Broad First Search, BFS)算法实现
*@ author:sf
*@data:20150704
*@version 1.0
*
************************************/
#include "Graph.h"
#include "vector"
#include <utility>
using namespace std;
/***********************************
*@function:bfs
*@ brif:图的邻接表的图的广度优先搜索(Broad First Search, BFS)算法实现
*@ input param: g 图的邻接表 s 源顶点
*@ output param: pi g的广度优先树 d 从根节点到各顶点的距离
*@ author:sf
*@data:20150707
*@version 1.0
*
************************************/
pair<vector<int>, vector<int>> bfs(const Graph &g, int s);
/***********************************
*@function: printPath
*@ brif:打印广度优先树
*@ input param: pi 图的广度优先树 s 源顶点 v 叶子v
*@ author:sf
*@data:20150707
*@version 1.0
*
************************************/
void printPath(const vector<int> &pi, int s, int v);
#endif
/***********************************
*@file:BFS.cpp
*@ brif:图的邻接表的图的广度优先搜索(Broad First Search, BFS)算法实现
*@ author:sf
*@data:20150704
*@version 1.0
*
************************************/
#include "stdafx.h"
#include "BFS.h"
#include <queue>
#include <iostream>
using namespace std;
enum vertex_color{WHITE,GRAY,BLACK};
typedef enum vertex_color Color;
pair<vector<int>, vector<int>> bfs(const Graph &g, int s)
{
    queue<int> Q;//优先队列管理灰色顶点集合
    vector<int> pi(g.n, -1);//顶点u在g中的父节点
    vector<int> d(g.n, INT_MAX);//s到u的距离
    vector<Color> color(g.n, WHITE);//每一个顶点的颜色存储在color中
    int u, v;//父节点,子节点
    d[s] = 0;
    color[s] = GRAY;
    Q.push(s);
    while (!Q.empty())
    {
        u = Q.front();
        Q.pop();
        list<vertex> q = g.adj[u];
        auto pq = q.begin();
        while (pq!=q.end())
        {
            v = pq->index;
            if (color[v] == WHITE)
            {
                color[v] = GRAY;
                d[v] = d[u] + 1;
                pi[v] = u;
                Q.push(v);
            }
            pq++;
        }
        color[u] = BLACK;
    }
    return make_pair(pi, d);
}
void printPath(const vector<int> &pi, int s, int v)
{
    if (v == s)
    {
        cout << s;
        return;
    }
    if (pi[v] == -1)
        cout << "no path from" << s << "to" << v << endl;
    else
    {
        printPath(pi, s, pi[v]);
        cout << v;
    }
}
// bfs_test.cpp : 定义控制台应用程序的入口点。

// #include "stdafx.h" #include "BFS.h" #include <iostream> using namespace std; int _tmain(int argc, _TCHAR* argv[]) { int s = 1, n = 8; pair<vector<int>, vector<int>> r; float a[] = { 0, 1, 0, 0, 1, 0, 0, 0, 1, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 1, 0, 1, 1, 0, 0, 0, 1, 0, 0, 0, 1, 1, 1, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 0, 0, 0, 1, 0, 0, 0, 1, 1, 0, 1, 0, 1, 0, 0, 0, 1, 0, 0, 1, 0 }; Graph g(a, 8); r = bfs(g, 1); vector<int> pi = r.first; vector<int> d = r.second; for (int i = 0; i < n; ++i) { if (i != s) { printPath(pi, s, i); cout << "length=" << d[i] << endl; } } system("pause"); return (EXIT_SUCCESS); }

执行结果:
技术分享













以上是关于用邻接表表示图的广度优先搜索时的存储结构,通常采用()结构来实现算法的主要内容,如果未能解决你的问题,请参考以下文章

c语言图的遍历,邻接表存储,深度,广度优先遍历

编程实现以邻接表或邻接矩阵为存储结构,图的广度和深度优先搜索

用广度优先遍历能将邻接表转化成逆邻接表吗

以邻接多重表为存储结构,实现连通无向图的深度优先遍历和广度优先遍历。

图的邻接表存储表示,图的深度优先和广度优先遍历

图的搜索算法之广度优先搜索