分别用邻接矩阵和邻接表实现图的深度优先遍历和广度优先遍历_图搜索

目录：

• 深度优先搜索
• 广度优先搜索

深度优先搜索：

深度优先搜索（Depth First Search，DFS），是最常见的图搜索方法之一。深度优先搜索沿着一条路径一直走下去，无法行进时，回退到刚刚访问的结点。深度优先遍历是按照深度优先搜索的方式对图进行遍历。

深度优先遍历秘籍：后被访问的顶点，其邻接点先被访问。

根据深度优先遍历秘籍，后来先服务，可以借助于栈实现。递归本身就是使用栈实现的，因此使用递归方法更方便。

算法步骤：

1. 初始化图中所有顶点未被访问。
2. 从图中的某个顶点v出发，访问v并标记已访问；
3. 依次检查v的所有邻接点w，如果w未被访问，则从w出发进行深度优先遍历（递归调用，重复2—3步）。

以图1为例，进行图深度优先搜索理解：

step1：如图2，访问结点1；

step2：如图3，访问结点1的邻接点2，然后访问邻接点2的邻接点4，再访问邻接点4的邻接点5；

step3：如图4，结点5没有未访问的邻接点了，然后回退到结点4，结点4也没有未被访问的邻接点，继续回退到结点2，结点2有未被访问的邻接点6，则访问邻接点6；

step4：如图5，结点6没有未被访问的邻接点，则回退到结点2，结点也没有未被访问的邻接点，回退到结点1；

step5：如图6，结点1存在未被访问的邻接点，则访问邻接点3，邻接点存在未被访问的邻接点7则访问邻接点7，邻接点存在未被访问的邻接点8，则访问邻接点8；

step6：如图7，结点8不存在未被访问的邻接点，故回退到结点7，结点7不存在未被访问的邻接点，故回退到结点3，结点3不存在未被访问的邻接点，故回退到结点1，结点不存在违背访问的邻接点，故深度优先遍历结束。

最终，去掉没有深度优先没有经过的路径，可得如图8，深度优先生成树；

代码：

void 

算法分析：

1.基于邻接矩阵的DFS算法

查找每个顶点的邻接点需要O(n)时间，一共n个顶点，总的时间复杂度为

，使用了一个递归工作栈，空间复杂度为

2.基于邻接表的DFS算法

查找顶点

的邻接点需要

时间，

为

的出度（无向图为度），对有向图而言，所有顶点的出度之和等于边数

广度优先搜索：

广度优先搜索（Breadth First Search，BFS），又称为宽度优先搜索，是最常见的图搜索方法之一。广度优先搜索是从某个顶点（源点）出发，一次性访问所有未被访问的邻接点，再依次从这些访问过邻接点出发。广度优先遍历是按照广度优先搜索的方式对图进行遍历，如图9。

广度优先遍历秘籍：先被访问的顶点，其邻接点先被访问。

根据广度优先遍历秘籍，先来先服务，可以借助于队列实现。每个结点访问一次且只访问一次，因此可以设置一个辅助数组：

visited[i]=false，表示第i个顶点未访问；

visited[i]=true，表示第i个顶点已访问。

算法步骤：

1. 初始化图中所有顶点未被访问，初始化一个空队列。
2. 从图中的某个顶点v出发，访问v并标记已访问，将v入队；
3. 如果队列非空，则继续执行，否则算法结束；
4. 队头元素v出队，依次访问v的所有未被访问邻接点，标记已访问并入队。转向步骤3；

以图10为例，进行图深度优先搜索理解：

step1：如图11，从图结点1开始访问，将结点1入队，同时visit[1]=True;

step2：如图12，结点1出队，访问结点1的邻接点2和3，将结点2和结点3入队；

step3：如图13，结点2出队，访问2的邻接点4，将结点4入队；

step4：如图14，结点3出队，访问3的邻接点5，将结点5入队；

step5：如图15，结点4出队，访问结点4的邻接点6，邻接点6入队；

step6：如图16，至此，所有节点都被访问，去掉未经过的边，得到广度优先生成树；

算法分析：

1.基于邻接矩阵的BFS算法

查找每个顶点的邻接点需要O(n)时间，一共n个顶点，总的时间复杂度为

，使用了一个辅助队列，最坏的情况下每个顶点入队一次，空间复杂度为

2.基于邻接表的BFS算法

查找顶点vi的邻接点需要

时间，

为

void 

深度优先搜索：

邻接矩阵存储图：

邻接表存储图：

广度优先搜索：

邻接矩阵存储图：

邻接表存储图：