第五章1__图的搜索算法精要.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 2.显式图的常用术语 图 3．隐式图术语 1）子集树 2）排列树 上一页· 下一页· 返回首页· 4．图的存储 1）邻接矩阵法 上一页· 下一页· 返回首页· 上一页· 下一页· 返回首页· 2）邻接表 上一页· 下一页· 返回首页· 例1· 图7.1 上一页· 下一页· 返回首页· 5．1．2 图搜索及其术语 2．相关概念和术语 上一页· 下一页· 返回首页· 5．2．1 算法框架 2．算法框架 上一页· 下一页· 返回首页· 例1· 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 上一页· 下一页· 返回首页· 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： 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) /* 如过没遍历过 */ dfs(ptr-vertex); /* 递归遍历 */ ptr = ptr-nextnode; } /* 下一个顶点 */ } 算法分析：n图中有 n 个顶点，e 条边。扫描边的时间为O(e)。遍历图的时间复杂性为O(n+e)。 返回 graph g[100][100],int n； dfsm(int k)? {int j；??? print(“访问 ”,k);??? visited[k]=1；??? for(j=1；j=n；j