mirror of
https://github.com/krahets/hello-algo.git
synced 2024-12-26 02:16:29 +08:00
5f7385c8a3
* First commit * Update mkdocs.yml * Translate all the docs to traditional Chinese * Translate the code files. * Translate the docker file * Fix mkdocs.yml * Translate all the figures from SC to TC * 二叉搜尋樹 -> 二元搜尋樹 * Update terminology. * Update terminology * 构造函数/构造方法 -> 建構子 异或 -> 互斥或 * 擴充套件 -> 擴展 * constant - 常量 - 常數 * 類 -> 類別 * AVL -> AVL 樹 * 數組 -> 陣列 * 係統 -> 系統 斐波那契數列 -> 費波那契數列 運算元量 -> 運算量 引數 -> 參數 * 聯絡 -> 關聯 * 麵試 -> 面試 * 面向物件 -> 物件導向 歸併排序 -> 合併排序 范式 -> 範式 * Fix 算法 -> 演算法 * 錶示 -> 表示 反碼 -> 一補數 補碼 -> 二補數 列列尾部 -> 佇列尾部 區域性性 -> 區域性 一摞 -> 一疊 * Synchronize with main branch * 賬號 -> 帳號 推匯 -> 推導 * Sync with main branch * First commit * Update mkdocs.yml * Translate all the docs to traditional Chinese * Translate the code files. * Translate the docker file * Fix mkdocs.yml * Translate all the figures from SC to TC * 二叉搜尋樹 -> 二元搜尋樹 * Update terminology * 构造函数/构造方法 -> 建構子 异或 -> 互斥或 * 擴充套件 -> 擴展 * constant - 常量 - 常數 * 類 -> 類別 * AVL -> AVL 樹 * 數組 -> 陣列 * 係統 -> 系統 斐波那契數列 -> 費波那契數列 運算元量 -> 運算量 引數 -> 參數 * 聯絡 -> 關聯 * 麵試 -> 面試 * 面向物件 -> 物件導向 歸併排序 -> 合併排序 范式 -> 範式 * Fix 算法 -> 演算法 * 錶示 -> 表示 反碼 -> 一補數 補碼 -> 二補數 列列尾部 -> 佇列尾部 區域性性 -> 區域性 一摞 -> 一疊 * Synchronize with main branch * 賬號 -> 帳號 推匯 -> 推導 * Sync with main branch * Update terminology.md * 操作数量(num. of operations)-> 操作數量 * 字首和->前綴和 * Update figures * 歸 -> 迴 記憶體洩漏 -> 記憶體流失 * Fix the bug of the file filter * 支援 -> 支持 Add zh-Hant/README.md * Add the zh-Hant chapter covers. Bug fixes. * 外掛 -> 擴充功能 * Add the landing page for zh-Hant version * Unify the font of the chapter covers for the zh, en, and zh-Hant version * Move zh-Hant/ to zh-hant/ * Translate terminology.md to traditional Chinese
136 lines
6 KiB
Markdown
136 lines
6 KiB
Markdown
# 圖的走訪
|
|
|
|
樹代表的是“一對多”的關係,而圖則具有更高的自由度,可以表示任意的“多對多”關係。因此,我們可以把樹看作圖的一種特例。顯然,**樹的走訪操作也是圖的走訪操作的一種特例**。
|
|
|
|
圖和樹都需要應用搜索演算法來實現走訪操作。圖的走訪方式也可分為兩種:<u>廣度優先走訪</u>和<u>深度優先走訪</u>。
|
|
|
|
## 廣度優先走訪
|
|
|
|
**廣度優先走訪是一種由近及遠的走訪方式,從某個節點出發,始終優先訪問距離最近的頂點,並一層層向外擴張**。如下圖所示,從左上角頂點出發,首先走訪該頂點的所有鄰接頂點,然後走訪下一個頂點的所有鄰接頂點,以此類推,直至所有頂點訪問完畢。
|
|
|
|
![圖的廣度優先走訪](graph_traversal.assets/graph_bfs.png)
|
|
|
|
### 演算法實現
|
|
|
|
BFS 通常藉助佇列來實現,程式碼如下所示。佇列具有“先入先出”的性質,這與 BFS 的“由近及遠”的思想異曲同工。
|
|
|
|
1. 將走訪起始頂點 `startVet` 加入列列,並開啟迴圈。
|
|
2. 在迴圈的每輪迭代中,彈出佇列首頂點並記錄訪問,然後將該頂點的所有鄰接頂點加入到佇列尾部。
|
|
3. 迴圈步驟 `2.` ,直到所有頂點被訪問完畢後結束。
|
|
|
|
為了防止重複走訪頂點,我們需要藉助一個雜湊表 `visited` 來記錄哪些節點已被訪問。
|
|
|
|
```src
|
|
[file]{graph_bfs}-[class]{}-[func]{graph_bfs}
|
|
```
|
|
|
|
程式碼相對抽象,建議對照下圖來加深理解。
|
|
|
|
=== "<1>"
|
|
![圖的廣度優先走訪步驟](graph_traversal.assets/graph_bfs_step1.png)
|
|
|
|
=== "<2>"
|
|
![graph_bfs_step2](graph_traversal.assets/graph_bfs_step2.png)
|
|
|
|
=== "<3>"
|
|
![graph_bfs_step3](graph_traversal.assets/graph_bfs_step3.png)
|
|
|
|
=== "<4>"
|
|
![graph_bfs_step4](graph_traversal.assets/graph_bfs_step4.png)
|
|
|
|
=== "<5>"
|
|
![graph_bfs_step5](graph_traversal.assets/graph_bfs_step5.png)
|
|
|
|
=== "<6>"
|
|
![graph_bfs_step6](graph_traversal.assets/graph_bfs_step6.png)
|
|
|
|
=== "<7>"
|
|
![graph_bfs_step7](graph_traversal.assets/graph_bfs_step7.png)
|
|
|
|
=== "<8>"
|
|
![graph_bfs_step8](graph_traversal.assets/graph_bfs_step8.png)
|
|
|
|
=== "<9>"
|
|
![graph_bfs_step9](graph_traversal.assets/graph_bfs_step9.png)
|
|
|
|
=== "<10>"
|
|
![graph_bfs_step10](graph_traversal.assets/graph_bfs_step10.png)
|
|
|
|
=== "<11>"
|
|
![graph_bfs_step11](graph_traversal.assets/graph_bfs_step11.png)
|
|
|
|
!!! question "廣度優先走訪的序列是否唯一?"
|
|
|
|
不唯一。廣度優先走訪只要求按“由近及遠”的順序走訪,**而多個相同距離的頂點的走訪順序允許被任意打亂**。以上圖為例,頂點 $1$、$3$ 的訪問順序可以交換,頂點 $2$、$4$、$6$ 的訪問順序也可以任意交換。
|
|
|
|
### 複雜度分析
|
|
|
|
**時間複雜度**:所有頂點都會入列並出隊一次,使用 $O(|V|)$ 時間;在走訪鄰接頂點的過程中,由於是無向圖,因此所有邊都會被訪問 $2$ 次,使用 $O(2|E|)$ 時間;總體使用 $O(|V| + |E|)$ 時間。
|
|
|
|
**空間複雜度**:串列 `res` ,雜湊表 `visited` ,佇列 `que` 中的頂點數量最多為 $|V|$ ,使用 $O(|V|)$ 空間。
|
|
|
|
## 深度優先走訪
|
|
|
|
**深度優先走訪是一種優先走到底、無路可走再回頭的走訪方式**。如下圖所示,從左上角頂點出發,訪問當前頂點的某個鄰接頂點,直到走到盡頭時返回,再繼續走到盡頭並返回,以此類推,直至所有頂點走訪完成。
|
|
|
|
![圖的深度優先走訪](graph_traversal.assets/graph_dfs.png)
|
|
|
|
### 演算法實現
|
|
|
|
這種“走到盡頭再返回”的演算法範式通常基於遞迴來實現。與廣度優先走訪類似,在深度優先走訪中,我們也需要藉助一個雜湊表 `visited` 來記錄已被訪問的頂點,以避免重複訪問頂點。
|
|
|
|
```src
|
|
[file]{graph_dfs}-[class]{}-[func]{graph_dfs}
|
|
```
|
|
|
|
深度優先走訪的演算法流程如下圖所示。
|
|
|
|
- **直虛線代表向下遞推**,表示開啟了一個新的遞迴方法來訪問新頂點。
|
|
- **曲虛線代表向上回溯**,表示此遞迴方法已經返回,回溯到了開啟此方法的位置。
|
|
|
|
為了加深理解,建議將下圖與程式碼結合起來,在腦中模擬(或者用筆畫下來)整個 DFS 過程,包括每個遞迴方法何時開啟、何時返回。
|
|
|
|
=== "<1>"
|
|
![圖的深度優先走訪步驟](graph_traversal.assets/graph_dfs_step1.png)
|
|
|
|
=== "<2>"
|
|
![graph_dfs_step2](graph_traversal.assets/graph_dfs_step2.png)
|
|
|
|
=== "<3>"
|
|
![graph_dfs_step3](graph_traversal.assets/graph_dfs_step3.png)
|
|
|
|
=== "<4>"
|
|
![graph_dfs_step4](graph_traversal.assets/graph_dfs_step4.png)
|
|
|
|
=== "<5>"
|
|
![graph_dfs_step5](graph_traversal.assets/graph_dfs_step5.png)
|
|
|
|
=== "<6>"
|
|
![graph_dfs_step6](graph_traversal.assets/graph_dfs_step6.png)
|
|
|
|
=== "<7>"
|
|
![graph_dfs_step7](graph_traversal.assets/graph_dfs_step7.png)
|
|
|
|
=== "<8>"
|
|
![graph_dfs_step8](graph_traversal.assets/graph_dfs_step8.png)
|
|
|
|
=== "<9>"
|
|
![graph_dfs_step9](graph_traversal.assets/graph_dfs_step9.png)
|
|
|
|
=== "<10>"
|
|
![graph_dfs_step10](graph_traversal.assets/graph_dfs_step10.png)
|
|
|
|
=== "<11>"
|
|
![graph_dfs_step11](graph_traversal.assets/graph_dfs_step11.png)
|
|
|
|
!!! question "深度優先走訪的序列是否唯一?"
|
|
|
|
與廣度優先走訪類似,深度優先走訪序列的順序也不是唯一的。給定某頂點,先往哪個方向探索都可以,即鄰接頂點的順序可以任意打亂,都是深度優先走訪。
|
|
|
|
以樹的走訪為例,“根 $\rightarrow$ 左 $\rightarrow$ 右”“左 $\rightarrow$ 根 $\rightarrow$ 右”“左 $\rightarrow$ 右 $\rightarrow$ 根”分別對應前序、中序、後序走訪,它們展示了三種走訪優先順序,然而這三者都屬於深度優先走訪。
|
|
|
|
### 複雜度分析
|
|
|
|
**時間複雜度**:所有頂點都會被訪問 $1$ 次,使用 $O(|V|)$ 時間;所有邊都會被訪問 $2$ 次,使用 $O(2|E|)$ 時間;總體使用 $O(|V| + |E|)$ 時間。
|
|
|
|
**空間複雜度**:串列 `res` ,雜湊表 `visited` 頂點數量最多為 $|V|$ ,遞迴深度最大為 $|V|$ ,因此使用 $O(|V|)$ 空間。
|