算法设计与分析 第五章1 图的搜索算法讲解.ppt

第五章 图的搜索算法 5．1 图搜索概述 5.1.1 图及其术语 5.1.2 图搜索及其术语 5．2 广度优先搜索 5.2.1 算法框架 5.2.2 广度优先搜索的应用 5.3 深度优先搜索 2.显式图的常用术语 路径与路长：在图 G=( V， E)中，如果存在由不同的边 (v i0， v i1 )， (v i1， v i2 )， …， (v in-1， v in )或是 v i0， v i1 ， vi 1， v i 2， …， v in-1， v in )组成的序列，则称顶点 v i0， v in是连通的，顶点序列（ v i0， v i1， v i2， …， v in）是从顶点 v i0到顶点 v in的一条道路。路长是道路上边的数目， v i0到 v in的这条道路上的路长为 n。 连通图：对于图中任意两个顶点 v i、 v j ∈V， v i、 v j之间有道路相连，则称该图为连通图。如 5-1中的 ⑴图。 网络：带权的连通图，如图 5-2所示。 3．隐式图术语 1）子集树 4．图的存储 1）邻接矩阵法 2）邻接表 图7.1 5．1．2 图搜索及其术语 2．相关概念和术语 5．2．1 算法框架 2．算法框架 1）邻接表表示图的广度优先搜索算法 2）邻接矩阵表示的图的广度优先搜索算法 5．2．2 广度优先搜索的应用 【例1】已知若干个城市的地图，求从一个城市到另一个城市的路径，要求路径中经过的城市最少 【例2】走迷宫问题 【例1】已知若干个城市的地图，求从一个城市到另一个城市的路径，要求路径中经过的城市最少。 算法设计： 如图5-6表示的是从城市A到城市H的交通图。从图中可以看出，从城市A到城市H要经过若干个城市。现要找出一条经过城市最少一条路线。 具体过程如下： 数据结构设计： 算法如下： 【例2】走迷宫问题 算法设计： 数据结构设计： 检查位置函数 Check(int i,int j) { int flag = 1; if(i1 or i8 or j1 or j8) flag =0;//是否在迷宫内 if(maze[i][j]=1 or maze[i][j]=-1)flag=0;/是否可行 return flag; } 输出路径及算法分析 深度优先遍历首先访问出发点v，并将其标记为已访问过；然后依次从v出发搜索v的每个邻接点w。若w未曾访问过，则以w为新的出发点继续进行深度优先遍历，直至图中所有和源点v有路径相通的顶点均已被访问为止。 若此时图中仍有未访问的顶点，则另选一个尚未访问的顶点作为新的源点重复上述过程，直至图中所有顶点均已被访问为止。 深度搜索与广度搜索的相近，最终都要扩展一个结点的所有子结点. 区别在于对扩展结点过程，深度搜索扩展的是E-结点的邻接结点中的一个，并将其作为新的E-结点继续扩展，当前E-结点仍为活结点，待搜索完其子结点后，回溯到该结点扩展它的其它未搜索的邻接结点。而广度搜索，则是扩展E-结点的所有邻接结点，E-结点就成为一个死结点。 5．3．1 算法框架 1．算法的基本思路 2．算法框架 1．算法的基本思路 算法设计的基本步骤为： 1）确定图的存储方式； 2）遍历过程中的操作，其中包括为输出问题解而进行的存储操作； 3）输出问题的结论。 4）一般在回溯前的应该将结点状态恢复为原始状态，特别是在有多解需求的问题中。 2．算法框架 1）用邻接表存储图的搜索算法 2）用邻接矩阵存储图的搜索算法 graph head[100]； dfs(int k) / head图的顶点数组/ { edgenode *ptr / ptr图的边表指针/ visited[k]=1; /* 记录已遍历过 */ print(“访问 ”,k); /* 印出遍历顶点值 */ ptr=head[k].firstedge; /* 顶点的第一个邻接点 */ while ( ptr NULL ) /* 遍历至链表尾 */ {if ( visited[ptr-vertex]=0) /* 如果没遍历过 */ dfs(ptr-vertex); /* 递归遍历 */ ptr = ptr-nextnode; } /* 下一个顶点 */