第六章第二节:图的遍历(广度优先遍历和深度优先遍历)和应用(最小生成树、最短路径、有向无环图的描述表达式、拓扑排序、关键路径)

news2025/7/13 8:14:49

文章目录

  • 1. 图的遍历
    • 1.1 广度优先搜索(BFS)
      • 1.1.1 遍历序列的可变性
      • 1.1.2 复杂度的分析
      • 1.1.3 广度优先生成树
      • 1..1.4 广度优先生成森林
    • 1.2 深度优先搜索(DFS)
      • 1.2.1 树的深度优先遍历
      • 1.2.2 图的深度优先遍历
      • 1.2.2 复杂度的分析
      • 1.2.4 深度优先遍历序列
      • 1.2.5 深度优先生成树
    • 1.3 图的遍历与图的连通性·
      • 总结
  • 2. 图的应用
    • 2.1 最小生成树
      • 2.1.1 最小生成树的概念
      • 2.1.2 Prim算法
      • 2.1.3 Kruskal算法
    • 2.2 最短路径(BFS算法——无权值)
      • 2.2.1 BFS求无权图的单源最短路径
      • 2.2.2 最短路径——Dijkstra(迪杰斯特拉)算法
        • 2.2.2.1 BFS算法的局限性
        • 2.2.2.2 Dijkstra算法
          • (1). 如何使用数组信息?
          • (2)Dijkstra算法的时间复杂度
          • (3) 用于负权值带权图
      • 2.2.3 最短路径——Floyd(弗洛伊德)算法
        • 2.2.3.1 Floyd算法用于负权图
    • 2.3 有向无环图(DAG)描述表达式
      • 2.3.1 DAG描述表达式
    • 2.4 拓扑排序
      • 2.4.1 AOV网
      • 2.4.2 拓扑排序
      • 2.4.3 对有回路的图进行拓扑排序
      • 2.4.4 逆拓扑排序
    • 2.5 关键路径
      • 2.5.1 AOE网
      • 2.5.2 关键路径
      • 2.5.3 求关键路径的步骤
      • 2.5.4 关键活动、关键路径的特性

1. 图的遍历

在这里插入图片描述
教程:https://www.bilibili.com/video/BV1b7411N798/?p=59&share_source=copy_web&vd_source=d228985826b563972268952905224139)

图的遍历是指从图中的某一顶点出发,按照某种搜索方法沿着图中的边对图中的所有顶点访问一次且仅访问一次

注意到树是一种特殊的图,所以树的遍历实际上也可视为一种特殊的图的遍历。

图的遍历算法是求解图的连通性问题、拓扑排序和求关键路径等算法的基础。

图的遍历比树的遍历要复杂得多,因为图的任一顶点都可能和其余的顶点相邻接,所以在访问某个顶点后,可能沿着某条路径搜索又回到该顶点上。为避免同一顶点被访问多次,在遍历图的过程中,必须记下每个已访问过的顶点,为此可以设一个辅助数组visited []来标记顶点是否被访问过。

图的遍历算法主要有两种:广度优先搜索和深度优先搜索

1.1 广度优先搜索(BFS)

教程:广度优先遍历https://www.bilibili.com/video/BV1b7411N798/?p=59&share_source=copy_web&vd_source=d228985826b563972268952905224139
在这里插入图片描述
广度优先搜索算法的伪代码如下:

bool visited[MAX_VERTEX_NUM];//访问标记数组
void BFSTraverse(Graph G) { //对图G进行广度优先遍历
	for (i = 0; i < G.vexnum; ++i)
		visited[i] = FALSE; //访问标记数组初始化
	initQueue(Q);//初始化辅助队列Q
	for (i = 0; i < G.vexnum; ++i)//从0号顶点开始遍历
		if (!visited[i])//对每一个连通分量调用一次BFS
			BFS(G, i);//vi未访问过,从vi开始BFS
}
void BFS(Graph G, int v) { //从顶点v出发,广度优先遍历图G
	visit(v);//访问初始顶点v
	visited[v] = TRUE;//对v做已访问标记
	Enqueue(Q, v);//顶点v入队列Q
	while (!isEmpty(Q)) { 
		DeQueue(Q, v); //顶点v出队列
		for(w=FirstNeighbor(G,v);w>=0;w=NextNeighbor(G,v,w))//检测v所有临界点
			if (!visited[w]) { //w为v的尚未访问的邻接顶点
				visit(w);//访问顶点w
				visited[w] = TRUE;//对w做已访问标记
				EnQueue(Q, w);//顶点w入队列
			}//if
	}//while

在这里插入图片描述

1.1.1 遍历序列的可变性

在这里插入图片描述


在这里插入图片描述

1.1.2 复杂度的分析

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

1.1.3 广度优先生成树

在这里插入图片描述

在这里插入图片描述


在这里插入图片描述


在这里插入图片描述

1…1.4 广度优先生成森林

在这里插入图片描述

在这里插入图片描述

1.2 深度优先搜索(DFS)

教程:深度优先搜索(DFS)https://www.bilibili.com/video/BV1b7411N798/?p=60&share_source=copy_web&vd_source=d228985826b563972268952905224139

与广度优先搜索不同,深度优先搜索(Depth-First-Search,DFS)类似于树的先序遍历。如其名称中所暗含的意思一样,这种搜索算法所遵循的搜索策略是尽可能“深”地搜索一个图。

它的基本思想如下:首先访问图中某一起始顶点v,然后由v出发,访问与v邻接且未被访问的任一顶点w,再访问与w,邻接且未被访问的任一顶点w……重复上述过程。当不能再继续向下访问时,依次退回到最近被访问的顶点,若它还有邻接顶点未被访问过,则从该点开始继续上述搜索过程,直至图中所有顶点均被访问过为止。

1.2.1 树的深度优先遍历

在这里插入图片描述

1.2.2 图的深度优先遍历

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

bool visited[MAX_VERTEX_NUM];//访问标记数组
void DFSTraverse(Graph G) { //对图G进行深度优先遍历
	for (v= 0; v < G.vexnum; ++v)
		visited[v] = FALSE; //访问标记数组初始化
	for (v = 0; v < G.vexnum; ++v)//从0号顶点开始遍历
		if (!visited[v])//对每一个连通分量调用一次BFS
			DFS(G, v);//vi未访问过,从vi开始BFS
}
void DFS(Graph G, int v) { //从顶点v出发,广度优先遍历图G
	visit(v);//访问初始顶点v
	visited[v] = TRUE;//对v做已访问标记
for(w=FirstNeighbor(G,v);w>=0;w=NextNeighbor(G,v,w))//检测v所有临界点
			if (!visited[w]) { //w为v的尚未访问的邻接顶点
				visit(w);//访问顶点w
				visited[w] = TRUE;//对w做已访问标记
			}//if
	}

1.2.2 复杂度的分析

在这里插入图片描述
在这里插入图片描述

1.2.4 深度优先遍历序列

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

1.2.5 深度优先生成树

在这里插入图片描述

1.3 图的遍历与图的连通性·

在这里插入图片描述

  • 无向图进行BFS/DFS遍历,调用BFS/DFS函数的次数=连通分量数
  • 对于连通图只需调用1次 BFS/DFS

在这里插入图片描述

  • 有向图进行BFS/DFS遍历,调用BFS/DFS函数的次数要具体问题具体分析
  • 若起始顶点到其他各顶点都有路径,则只需调用1次BFS/DFS函数
    在这里插入图片描述
    对于强连通图,从任一结点出发都只需调用1次 BFS/DFS

总结

在这里插入图片描述

2. 图的应用

2.1 最小生成树

教程:最小生成树 https://www.bilibili.com/video/BV1b7411N798/?p=61&share_source=copy_web&vd_source=d228985826b563972268952905224139
在这里插入图片描述

2.1.1 最小生成树的概念

在这里插入图片描述


在这里插入图片描述


在这里插入图片描述


在这里插入图片描述


在这里插入图片描述


2.1.2 Prim算法

在这里插入图片描述


在这里插入图片描述

2.1.3 Kruskal算法

在这里插入图片描述
在这里插入图片描述

2.2 最短路径(BFS算法——无权值)

教程:最短路径 https://www.bilibili.com/video/BV1b7411N798/?p=62&share_source=copy_web&vd_source=d228985826b563972268952905224139
在这里插入图片描述

2.2.1 BFS求无权图的单源最短路径

在这里插入图片描述


在这里插入图片描述



在这里插入图片描述


2.2.2 最短路径——Dijkstra(迪杰斯特拉)算法

教程:最短路径——Dijkstra(迪杰斯特拉)算法 https://www.bilibili.com/video/BV1b7411N798/?p=63&share_source=copy_web&vd_source=d228985826b563972268952905224139
在这里插入图片描述

2.2.2.1 BFS算法的局限性

BFS算法求单源最短路径只适用于无权图,或所有边的权值都相同的图

在这里插入图片描述

带权路径长度――当图是带权图时,一条路径上所有边的权值之和,称为该路径的带权路径长度

2.2.2.2 Dijkstra算法

在这里插入图片描述


在这里插入图片描述


在这里插入图片描述


在这里插入图片描述


(1). 如何使用数组信息?

在这里插入图片描述


(2)Dijkstra算法的时间复杂度

在这里插入图片描述


在这里插入图片描述


(3) 用于负权值带权图

在这里插入图片描述


2.2.3 最短路径——Floyd(弗洛伊德)算法

教程:最短路径——Floyd(弗洛伊德)算法: https://www.bilibili.com/video/BV1b7411N798/?p=64&share_source=copy_web&vd_source=d228985826b563972268952905224139
在这里插入图片描述


在这里插入图片描述


在这里插入图片描述


在这里插入图片描述


在这里插入图片描述


在这里插入图片描述


在这里插入图片描述


在这里插入图片描述

***在这里插入图片描述


在这里插入图片描述


在这里插入图片描述


在这里插入图片描述


在这里插入图片描述


在这里插入图片描述


在这里插入图片描述


在这里插入图片描述


在这里插入图片描述


在这里插入图片描述


在这里插入图片描述


在这里插入图片描述


在这里插入图片描述


在这里插入图片描述


2.2.3.1 Floyd算法用于负权图

在这里插入图片描述


在这里插入图片描述


总结:
在这里插入图片描述


2.3 有向无环图(DAG)描述表达式

在这里插入图片描述

2.3.1 DAG描述表达式

在这里插入图片描述


在这里插入图片描述


在这里插入图片描述
例题:


在这里插入图片描述


在这里插入图片描述


在这里插入图片描述


2.4 拓扑排序

拓扑排序 https://www.bilibili.com/video/BV1b7411N798/?p=66&share_source=copy_web&vd_source=d228985826b563972268952905224139

2.4.1 AOV网

在这里插入图片描述

2.4.2 拓扑排序

拓扑排序:在图论中,由一个有向无环图的顶点组成的序列,当且仅当满足下列条件时,称为该图的一个拓扑排序:
① 每个顶点出现且只出现一次。
② 若顶点A在序列中排在顶点B的前面,则在图中不存在从顶点B到顶点A的路径。

或定义为:拓扑排序是对有向无环图的顶点的一种排序,它使得若存在一条从顶点A到顶点B的路径,则在排序中顶点B出现在顶点A的后面。每个AOV网都有一个或多个拓扑排序序列。


在这里插入图片描述
在这里插入图片描述


拓扑排序的实现:
①从AOV网中选择一个没有前驱(入度为0)的顶点并输出。
②从网中删除该顶点和所有以它为起点的有向边。
③重复①和②直到当前的AOV网为空当前网中不存在无前驱的顶点为止。(说明有回路)


2.4.3 对有回路的图进行拓扑排序

在这里插入图片描述
在这里插入图片描述

不能进行拓扑排序

在这里插入图片描述
拓扑排序算法的实现如下:

#define MaxVertekNum 100   //图中顶点数目的最大值
typeder strtct ArcNcde{ //边表结点
	int adjvex; //该弧所指向的顶点的位置
struct ArcNode* nextarc; // 指向下一条弧的指针
//InfoType info;   //网的边权值
}ArcNode;
typedef struct VNode {   //顶点表结点
	vertexType data;   //顶点信息
	ArcNode* firstarc;  // 指向第一条依附该顶点的弧的指针
}VNode, AdjList[MaxVertexNum];
	typedef struct {
		AdjList vertices;   //邻接表
		int vexnum, arcnum;   //图的顶点数和弧数
	}Graph;    // Graph是以邻接表存储的图类型



bool Topologicalsort(Graph G) {
	InitStack(S);
	//初始化栈,存储入度为0的顶点
	for (int i = 0; i < G.vexnum; i++)
		if (indegree[i] == 0)
			Push(s, i);//将所有入度为0的顶点进栈
	int count = 0;
	//计数,记录当前已经输出的顶点数
	while (!IsEmpty(S)) {
		/ 栈不空, 则存在入度为0的顶点
			Pop(s, i);
		/ 栈顶元素出栈
			print[count++] = i;
		//输出顶点i
		for (p = G.vertices[i].firstarc; p; p = p->nextarc) {
			//将所有i指向的顶点的入度减1,并且将入度减为0的顶点压入栈S
			v = p->adjvex;
			if (!(--indegree[v]))
				Push(s, v);
			l / 入度为0,则入栈
		}//while
		if (count < G.vexnum)
			return false;
		//排序失败,有向图中有回路
		else
			returntrue;
		//拓扑排序成功
}

在这里插入图片描述


2.4.4 逆拓扑排序

对一个AOV网,如果采用下列步骤进行排序,则称之为逆拓扑排序:
① 从AOV网中选择一个没有后继(出度为0)的顶点并输出。
② 从网中删除该顶点和所有以它为终点的有向边。
③重复①和②直到当前的AOV网为空。
在这里插入图片描述


在这里插入图片描述


在这里插入图片描述


在这里插入图片描述


在这里插入图片描述

在这里插入图片描述

2.5 关键路径

教程:关键路径 https://www.bilibili.com/video/BV1b7411N798/?p=67&share_source=copy_web&vd_source=d228985826b563972268952905224139

2.5.1 AOE网

在带权有向图中,以顶点表示事件,以有向边表示活动,以边上的权值表示完成该活动的开销(如完成活动所需的时间),称之为用边表示活动的网络,简称AOE网(Activity On Edge NetWork)
在这里插入图片描述
AOE网具有以下两个性质:
①只有在某顶点所代表的事件发生后,从该顶点出发的各有向边所代表的活动才能开始;
②只有在进入某顶点的各有向边所代表的活动都已结束时,该顶点所代表的事件才能发生。另外,有些活动是可以并行进行的

在AOE网中仅有一个入度为o的顶点,称为开始顶点源点),它表示整个工程的开始;
仅有一个出度为0的顶点,称为结束顶点(汇点),它表示整个工程的结束。

从源点到汇点的有向路径可能有多条,所有路径中,具有最大路径长度的路径称为关键路径,而把关键路径上的活动称为关键活动

完成整个工程的最短时间就是关键路径的长度,若关键活动不能按时完成,则整个工程的完成时间就会延长

2.5.2 关键路径

在这里插入图片描述


在这里插入图片描述
在这里插入图片描述

2.5.3 求关键路径的步骤

  1. 事件Vk的最早发生时间ve(k)
    在这里插入图片描述
    在这里插入图片描述

在这里插入图片描述

在这里插入图片描述


在这里插入图片描述
在这里插入图片描述



在这里插入图片描述
在这里插入图片描述


在这里插入图片描述
在这里插入图片描述
在这里插入图片描述


在这里插入图片描述

2.5.4 关键活动、关键路径的特性

在这里插入图片描述

可能有多条关键路径,只提高一条关键路径上的关键活动速度并不能缩短整个工程的工期,只有加快那些包括在所有关键路径上的关键活动才能达到缩短工期的目的。

在这里插入图片描述

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/17835.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

Servlet | 域对象、request对象其它常用的方法

目录 一&#xff1a;域对象 1、应用域对象 2、请求域对象 二&#xff1a;request对象其它常用的方法 一&#xff1a;域对象 1、应用域对象 &#xff08;1&#xff09;应用域对象是什么&#xff1f; ServletContext &#xff08;Servlet上下文对象。&#xff09; 什么情况…

NCV7705DQAR2G 汽车电机驱动器(NCV7705DQR2G)引脚配置

型号&#xff1a;NCV7705DQAR2G NCV7705DQR2G 封装&#xff1a;36-BFSOP 类型&#xff1a;电机驱动器&#xff0c;控制器 NCV7705/NCV7705(A)是一款功能强大的汽车车身控制系统驱动IC。该集成电路设计用于控制车辆前门的多个负载。单片集成电路可以控制镜面定位、加热、折叠等…

JS测试出最小支持字体,以及修复PDFJS的文本错误偏移

PDFJS的文本层有时会有一个错误的整体偏移&#xff0c;导致文本处于错误位置&#xff0c;导致用户选择错误的文本。 为什么会这样呢&#xff1f;其一&#xff0c;如果浏览器的文本缩放不是100%&#xff0c;而PDFJS没有检测这一点&#xff0c;导致文本排布发生偏移。安卓可以通…

[附源码]java毕业设计人口老龄化社区服务与管理平台

项目运行 环境配置&#xff1a; Jdk1.8 Tomcat7.0 Mysql HBuilderX&#xff08;Webstorm也行&#xff09; Eclispe&#xff08;IntelliJ IDEA,Eclispe,MyEclispe,Sts都支持&#xff09;。 项目技术&#xff1a; SSM mybatis Maven Vue 等等组成&#xff0c;B/S模式 M…

一个Adapter+recycleview实现多种布局,区分布局中

文章目录&#x1f353;&#x1f353;简述&#x1f353;&#x1f353;效果图&#x1f353;&#x1f353;代码&#x1f96d;&#x1f96d;AllAdapter.java&#x1f96d;&#x1f96d; FuritAdapter3.java&#x1f96d;&#x1f96d;MainActivity.java(主函数)&#x1f96d;&#…

适合中小企业的CRM客户关系管理系统?

1、CRM如果体量30人及下列 这类民营企业的特征是没营业网点&#xff0c;分散办公设备&#xff0c;一职多能&#xff0c;没他们的IT控制技术职责部门。通常老板重大决策&#xff0c;子公司全体相关人员采用。 主要就采用目地是管理组织工作顾客档案&#xff0c;历史记录顾客数…

力扣138 - 复制带随机指针的链表【复杂链表的终极试炼】

想指☞哪就指哪儿~一、题目描述二、思路分析与罗列思路一&#xff1a;通过原链表的【random】去找控制拷贝链表的【random】思路二&#xff1a;直接链接到原链表处做相邻结点的【random】修改Step1&#xff1a;把复制的结点插入到原结点后Step2&#xff1a;设置拷贝结点的rando…

计算机毕业设计ssm+vue+elementUI基于html的戒烟网站

项目介绍 大量研究证据表明&#xff0c;戒烟可降低或消除吸烟导致的健康危害。任何人在任何年龄戒烟均可获益&#xff0c;且戒烟越早、持续时间越长&#xff0c;健康获益就越大。随着时代发展人们对健康也越来越重视&#xff0c;更多的人参与到了戒烟的行列中来&#xff0c;本…

React环境搭建

目录 1.React环境搭建 2.React项目结构 3.React优点和缺点 1.声明式设计 2.高效-React通过对DOM的模拟(创建虚拟DOM)&#xff0c;最大限度地减少DOM操作(底层是Diff算法) 3.单向响应的数据流 4.组件化开发-复用和便于维护 5.缺点&#xff1a;React本身能做的事并不多&am…

手机实时预览vscode写的html页面

一、vscode安装Live Server插件 扩展&#xff08;CtrlShiftX&#xff09;搜索Live Server进行安装 二、设置电脑IP &#xff08;1&#xff09;winR 打开终端输入&#xff1a;ipconfig &#xff08;2&#xff09;找到SDN 服务器 &#xff08;3&#xff09;设置IPv4窗口 高级…

为什么WinXP SP2有时候会忘记CD自动播放的设置?

实际上&#xff0c;它并没有忘记&#xff0c;它只是想和你再次确认一下。 这是 Windows XP2 负责开发 CD 自动播放组件的工程师和我说的。 在 Windows XP 中&#xff0c;处理 CD 自动播放时会有两个问题。 第一&#xff0c;当你安装了一个新的可以处理 CD 自动播放的应用程序…

分库分表利器——shardingJdbc

一、分库分表方式 1.1 垂直切分 1.1.1 垂直分表&#xff08;拆分字段——但每张表的数据量是不变的&#xff09; 把一张表的一部分字段存在一张新表里面&#xff0c;将另一部分字段存在另一张新表中 1.1.2 垂直分库&#xff08;专库专表&#xff09; 把单一数据库按照业务…

一篇文章带你学完mysql的DQL查询操作

目录 DQL简介 具体操作 数据准备 简单查询 运算符 条件查询 排序查询 聚合查询 null值的处理 分组查询 分页查询 insert into select语句 总结 DQL简介 概念&#xff1a;DQL&#xff08;data query language&#xff09;数据查询语言 select操作 排序规则&…

关于Excel自动换行,不会在西文单词中间换行的问题

工作上遇到了一个Excel中换行的问题&#xff0c;就是使用了Excel的默认自动换行后&#xff0c;如果一个单词很长&#xff0c;那么一般情况下是不会在单词中间换行的。在网上查了些资料&#xff0c;最终找到了一个不算太完美的方法。 结果 就是使用vba修改单元格里面的内容&am…

SpringBoot SpringBoot 开发实用篇 4 数据层解决方案 4.11 SpringBoot 整合 MongoDB

SpringBoot 【黑马程序员SpringBoot2全套视频教程&#xff0c;springboot零基础到项目实战&#xff08;spring boot2完整版&#xff09;】 SpringBoot 开发实用篇 文章目录SpringBootSpringBoot 开发实用篇4 数据层解决方案4.11 SpringBoot 整合 MongoDB4.11.1 SpringBoot 整…

Redis 到底是单线程还是多线程呢?

前言 Redis是高性能分布式缓存常用中间件&#xff0c;我们经常说Redis是单线程的&#xff0c; 也有人说Redis在6.0版本采用了多线程&#xff0c;那么Redis到底是采用单线程呢&#xff1f;还是多线程&#xff1f; 通常说 Redis 是单线程&#xff0c;其实主要是指 Redis 对外提供…

CNCF基金会成员的分类

CNCF简介 2015年&#xff0c;谷歌与Linux基金会及众多行业合作伙伴一起建立了一个云原生计算基金会&#xff08;CNCF&#xff0c;Cloud Native Computing Foundation&#xff09;。CNCF旨在创建并推动一个新的计算范式&#xff0c;这个范式的目的是增强现代分布式系统&#xf…

dataset.py篇

dataset.py 目录&#xff1a; 前言观察数据书写代码函数解释 前言 在步骤中需要写自己的dataset类&#xff0c;并将label和image一一对应后返回。 观察数据 在书写dataset前最重要的就是要观察数据集&#xff0c;对数据集进行分析&#xff0c;比如了解图片大小&#xff0c…

maven基础入门

maven 1、maven简介 Apache Maven 是一个项目管理和构建工具&#xff0c;它基于项目对象模型(POM)的概念&#xff0c;通过一小段描述信息来管理项目的构建、报告和文档。官网 &#xff1a;http://maven.apache.org/什么是Maven&#xff1f;这里先引用知乎的一个回答 我先不说…

第五届“传智杯”全国大学生计算机大赛(练习赛) [传智杯 #5 练习赛] 复读

[传智杯 #5 练习赛] 复读 题目描述 给定若干个字符串&#xff0c;不定数量&#xff0c;每行一个。有些字符串可能出现了多次。如果读入一个字符串后&#xff0c;发现这个字符串以前被读入过&#xff0c;则这个字符串被称为前面相同的字符串的复读&#xff0c;这个字符串被称为…