《图论算法入门:掌握DFS和BFS,理解图与树的遍历》

《图论算法入门:掌握DFS和BFS,理解图与树的遍历》
  

🎬 博主名称个人主页

🔥 个人专栏《算法通关》《Java讲解》

⛺️心简单,世界就简单

目录

序言

DFS

全排列问题

剪枝操作---n皇后问题

BFS

树与图的深度优先遍历

树,图的存储

遍历树,图

树与图的宽度优先遍历


序言

到图论这章节了,先讲讲DFS,BFS,然后讲树和图咋存储,还有树和图的DFS以及BFS,

DFS

dfs是一个执着的人(可爱捏),他一直搜索到叶子节点,然后才会回头去看别的路,然后继续一条路走到头

从数据结构来看,我们的dfs用的是

从空间来看,我们dfs空间使用是与高度成正比的O( h )

我们dfs搜索是一条路走到头,所以我们dfs不具有最短路的性质

我们来看个最经典的题,

全排列问题

我们从0开始出发,然后往下搜,当搜到n的话就说明我们搜完了输出一下就行(用path记录搜索的路径),当搜完之后,我们肯定要恢复原状,所以把st给回复,path不用是因为,下次直接就覆盖了,不用再path[ i ] = 0;·,,这里的u是层数,我们一层选一个数嘛,到第n层了,那不就是选够n个数了。

#include <iostream> using namespace std; const int N = 10; int n; int path[N]; bool st[N]; void dfs(int u){ if(u == n){ for(int i = 0; i < n; i ++) printf("%d" , path[i]); puts(""); return ; } for(int i = 1; i <= n; i ++){ if(!st[i]){ path[u] = i; st[i] = 1; dfs(u + 1); //恢复现场 st[i] = false; } } } int main(){ cin >> n; dfs(0); }

我们dfs通常还会有剪枝操作,这里我们拿八皇后问题来讲解

剪枝操作---n皇后问题

序言注意的是,对角线这里

//正对角线 y = x + b; b = x - y; 由于可能为负值,我们加个n 变为x - y +n就行
//反对角线 y = -x + b; b = x + y; 

我们这个方式是什么呢,是枚举每一行的位置,看皇后能不能在这

#include <iostream> using namespace std; const int N = 10; int n; char g[N][N]; bool col[N], dg[N], udg[N];//列,对角线,反对角线 //正对角线 y = x + b; b = x - y; 由于可能为负值,我们加个n //反对角线 y = -x + b; b = x + y; void dfs(int u){ if(u == n){ for(int i = 0; i < n; i++) puts(g[i]); puts(""); return ; } for(int i = 0; i < n; i ++){ if(!col[i] && !dg[u + i] && !udg[n - u + i]){ g[u][i] = 'Q'; col[i] = dg[u + i] = udg[n + i - u] = true; dfs(u + 1); //恢复现场 g[u][i] = '.'; col[i] = dg[u + i] = udg[n + i - u] = false; } } } int main(){ cin >> n; for(int i = 0; i < n; i++){ for(int j = 0; j < n; j ++){ g[i][j] = '.'; } } dfs(0); }

BFS

是一个眼观六路,耳听八方的人,他搜索会一层一层搜索,走一次看看哪个好走,再继续搜

从数据结构来看,我们bfs用的是队列

从空间来看,我们bfs空间使用是O( 2^h )

我们BFS搜索时一层一层搜索,每次搜的都是离自己最近的路,所以我们BFS具有一种最短路的性质。

宽搜是有一个固定框架的, 就是建一个队列,然后每次搜到就扔进去,然后取出第一个元素,这个走迷宫也相当于模板了,看看就行,然后我们加了个输出的路径,用prev数组存取每个点的前一步点

#include<iostream> #include<algorithm> #include<cstring> using namespace std; const int N = 1e2+ 10; typedef pair<int, int> PII; int n, m; int g[N][N]; int d[N][N];//每个点到起点的距离 PII q[N * N], Prev[N][N]; int bfs(){ int hh = 0, tt = 0; q[0] = {0, 0}; memset(d, -1, sizeof(d)); d[0][0] = 0; int dx[4] = {-1, 0, 1, 0}; int dy[4] = {0, 1, 0, -1}; while(hh <= tt){ auto t = q[hh++];//取出第一个点,然后 for(int i = 0; i < 4; i++){ int x =t.first +dx[i], y = t.second + dy[i]; if(x >=0 &&x < n && y >= 0 && y < m && g[x][y] == 0 && d[x][y] == -1){ d[x][y] = d[t.first][t.second] + 1; Prev[x][y]= t;//记录一下每个点的前一个点 q[ ++tt] = {x, y};//把这个点扔进u低劣里 } } } // int x = n - 1, y = m - 1; // while(x || y){ // cout << x << ' ' << y <<endl; // auto t = Prev[x][y]; // x = t.first, y = t.second; // } // return d[n - 1][m - 1]; } int main(){ cin >> n >>m; for(int i = 0; i < n; i++){ for(int j = 0; j < m; j++){ cin >> g[i][j]; } } cout<<bfs(); }

树与图的深度优先遍历

先说树的存储,树是一种特殊的图,他是无环图,那我们就直说图的遍历就行了

树,图的存储

图分为有向图和无向图

无向图就是说如果a和b有之间有边,那就是a能走到b,b也能走向a

有向图就是,说有一条边的话,只能从一个点到另一个点,是有方向的

无向图就是特殊的有向图,我们只讲有向图就行,

有向图可以用邻接表,邻接矩阵来存,我们不常用邻接矩阵,他比较浪费空间,适合稠密的图,稀疏的话就很浪费空间,所以我们一般都用邻接表

邻接表:就是每个点上都有一个单链表



我们一般都用静态链表,也是常说的链式前向星遍历树,图

我们去dfs遍历这个图,然后得到以每个节点为根节点,求去掉这个根节点后,他的子树里最大的节点数量为多少,然后我们求出这个最大值,然后用一个全局变量存储,然后和每一个去掉的节点后求得的这个值进行min比较,具体去看代码吧,看代码来思考


树与图的宽度优先遍历

这个直接找个题看就行了

#include<iostream> #include<algorithm> #include<cstring> using namespace std; const int N = 1e5 +10; int n, m, q[N], d[N]; //d记录每个节点到节点1的距离 int e[N], h[N], idx, ne[N]; void add(int a, int b){ e[idx] = b; ne[idx] = h[a]; h[a] = idx++; } int bfs(){ int hh = 0, tt = 0; q[0] = 1; memset(d, -1, sizeof d); d[1] = 0; while(hh <= tt){ int t = q[hh++]; for(int i = h[t]; i != -1; i = ne[i]){ int j = e[i]; if(d[j] == -1){ d[j] = d[t] + 1; q[ ++tt] = j; } } } return d[n]; } int main(){ cin >> n >> m; memset(h, -1, sizeof h); for(int i = 0; i < m; i++){ int a, b; cin >> a >> b; add(a, b); } cout<< bfs(); } 

Read more

算法王冠上的明珠——动态规划之斐波那契数列问题(第二篇)

算法王冠上的明珠——动态规划之斐波那契数列问题(第二篇)

目录 1. LeetCode746. 使用最小花费爬楼梯 2. LeetCode91. 解码方法 今天我们继续来聊一聊动态规划的斐波那契数列类型的题目 1. LeetCode746. 使用最小花费爬楼梯 这个题目的话也是比较简单的。就是要求我们计算在可以一次走一步或者两步的情况下,到达结尾时的最小消耗。 所以在这道题里面它的状态表示就是走到当前位置的值的最小消耗。 所以在这道题里面它的状态转移方程就是dp[i]=min(dp[i-1],dp[i-2])+c[i]。 它的初始化就是第0个位子设置为c[0],第一个位置设置为c[1]。(怎么设置是因为我们是不知道开始的那个位置的大小,而且因为我们的状态转移方程需要依靠前两个位置的值,所以我们在这里就直接初始化前两个)。 填表顺序就是从前往后就好。 返回值就是dp表第sz-1个位置的值和第sz-2个位置的值的最小值。 class Solution { public: int minCostClimbingStairs(vector<int>& c) { int sz=c.size(); vector<

By Ne0inhk
【数据结构-初阶】详解线性表(5)---队列

【数据结构-初阶】详解线性表(5)---队列

🎈主页传送门:良木生香 🔥个人专栏:《C语言》 《数据结构-初阶》 《程序设计》 🌟人为善,福随未至,祸已远行;人为恶,祸虽未至,福已远离 上期回顾:在上一篇文章(【数据结构-初阶】详解栈和队列(1)---栈)中我们讲到了在顺序表与链表之外的另一种线性表---栈,知道了这是一种具有先进后出和后进先出特点的数据结构,既然有先进后出,那么肯定就有先进先出的数据结构,所以这就是我们今天要讲的------队列 一、队列的概念 既然我们想要实现先进先出的效果,那肯定就不像栈那样有一端是堵起来的,想必应该是两端都开口吧。嗯,事实确实如此。 队列:是只允许在一端进行数据的插入操作,在另一端进行数据的删除操作的一种特殊的线性表,其具有先进先出FIFO(first in first out)的结构特点. 入队列:进行插入操作的一端叫做队尾 出队列:进行删除操作的一端叫做队头 下面是队列的示意图: 名字叫做队列,其实就像我们排队一样,先排的人先得服务,后排的人后得到服务,在队列中,先进来的元素先得到操作,

By Ne0inhk
无前端编码,解锁Langflow无限可能:自定义Python组件开发全指南

无前端编码,解锁Langflow无限可能:自定义Python组件开发全指南

在企业级AI应用落地过程中,开发者常面临一个共性困境:Langflow官方组件虽能覆盖通用场景,却难以适配制造业设备数据解析、医药行业文献检索等个性化业务需求。要么被迫在可视化画布外编写大量冗余脚本,要么妥协于现有功能的局限性,导致AI工作流与业务场景脱节。 事实上,Langflow早已为开发者预留了灵活的扩展入口——自定义Python组件。依据官方文档《Create custom Python components》的指引,我们无需编写任何前端代码,只需遵循简单的Python类规范,就能将专属业务逻辑、第三方API调用或复杂数据处理能力,封装成可拖拽的可视化节点,无缝融入Langflow工作流。本文将基于这份官方文档,从核心原理、快速上手、进阶技巧到企业级落地实践,带你完整掌握Langflow自定义组件的开发与落地方法,让Langflow真正适配企业专属业务场景。 一、核心原理:组件的本质是“结构化的Python逻辑” 在Langflow的节点化编排环境中,每个可拖拽节点都是一个组件,其核心职责是完成离散且独立的业务功能。自定义组件本质上是继承自langflow.custom

By Ne0inhk