码迷,mamicode.com
首页 > 其他好文 > 详细

广度优先搜索原理与实践

时间:2020-05-04 22:59:52      阅读:76      评论:0      收藏:0      [点我收藏+]

标签:组成   广搜   search   width   数据结构   back   ems   结合   https   

概论

在 深度优先搜索原理与实践(java文章介绍了深度优先搜索算法的理论和实践。本文将介绍与其原理类似的广度优先搜索算法。

广度优先搜索(也称宽度优先搜索,缩写 BFS,以下采用广度来描述)是连通图的一种遍历算法这一算法也是很多重要的图的算法的原型。Dijkstra 单源最短路径算法和 Prim 最小生成树算法都采用了和宽度优先搜索类似的思想。其别名又叫 BFS,属于一种盲目搜寻法,目的是系统地展开并检查图中的所有节点,以找寻结果。换句话说,它并不考虑结果的可能位置,彻底地搜索整张图,直到找到结果为止。基本过程,BFS 是从根节点开始,沿着树(图)的宽度遍历树(图)的节点。如果所有节点均被访问,则算法中止。一般用队列数据结构来辅助实现 BFS 算法。

基本原理

对于下面的树而言,BFS 方法首先从根节点1开始,其搜索节点顺序是 1,2,3,4,5,6,7,8。

 

技术图片

 

BFS 使用队列 (queue) 来实施算法过程,队列 (queue) 有着先进先出 FIFO (First Input First Output)的特性,

BFS 操作步骤如下:

  • 把起始点放入 queue;

  • 重复下述2步骤,直到 queue 为空为止:

    • 从queue中取出队列头的点;
    • 找出与此点邻接的且尚未遍历的点,进行标记,然后全部放入queue中。

下面结合一个图 (graph) 的实例,说明 BFS 的工作过程和原理:
(1)将起始节点1放入队列中,标记为已遍历:

技术图片

 (2)从queue中取出队列头的节点1,找出与节点1邻接的节点2,3,标记为已遍历,然后放入queue中。

技术图片

(3)从queue中取出队列头的节点2,找出与节点2邻接的节点1,4,5,由于节点1已遍历,排除;标记4,5为已遍历,然后放入queue中。

技术图片

 

(4)从queue中取出队列头的节点3,找出与节点3邻接的节点1,6,7,由于节点1已遍历,排除;标记6,7为已遍历,然后放入queue中。

技术图片

(5)从queue中取出队列头的节点4,找出与节点4邻接的节点2,8,2属于已遍历点,排除;因此标记节点8为已遍历,然后放入queue中。

技术图片

 

(6)从queue中取出队列头的节点5,找出与节点5邻接的节点2,8,2,8均属于已遍历点,不作下一步操作。

技术图片 

(7)从queue中取出队列头的节点6,找出与节点6邻接的节点3,8,9,3,8属于已遍历点,排除;因此标记节点9为已遍历,然后放入queue中。

技术图片

(8)从queue中取出队列头的节点7,找出与节点7邻接的节点3, 9,3,9属于已遍历点,不作下一步操作。

技术图片

(9)从queue中取出队列头的节点8,找出与节点8邻接的节点4,5,6,4,5,6属于已遍历点,不作下一步操作。

技术图片

(10)从queue中取出队列头的节点9,找出与节点9邻接的节点6,7,6,7属于已遍历点,不作下一步操作。

技术图片

(11)queue 为空,则遍历结束

上面过程可以用下面的代码来表示:

    private Map<String, Boolean> status = new HashMap<String, Boolean>();
    private Queue<String> queue = new LinkedList<String>();
    public void BFSSearch(String startPoint) {
        //1.把起始点放入queue;
        queue.add(startPoint);
        status.put(startPoint, false);
        bfsLoop();
    }
    
    private void bfsLoop() {
        while(!queue.isEmpty()) {
            //  1) 从queue中取出队列头的点;更新状态为已经遍历。
            String currentQueueHeader = queue.poll(); //出队
            status.put(currentQueueHeader, true);
            System.out.println(currentQueueHeader);
            //  2) 找出与此点邻接的且尚未遍历的点,进行标记,然后全部放入queue中。
            List<String> neighborPoints = graph.get(currentQueueHeader);
            for (String poinit : neighborPoints) {
                if (!status.getOrDefault(poinit, false)) { //未被遍历
                    if (queue.contains(poinit)) continue;
                    queue.add(poinit);
                    status.put(poinit, false);
                }
            }
        }
    }

通用框架

其通用框架可以概括为:

void bfs(起始点) {
    将起始点放入队列中;
    标记起点访问;
    while (如果队列不为空) {  // 一般采用while ,当然也可以使用递归
        访问队列中队首元素x;
        删除队首元素;
        for (x 所有相邻点) {
            if (该点未被访问过且合法) {
                将该点加入队列末尾;
              if  (该结点是目标状态) {  // 达到目标,提前结束终止循环
                    置 flag= true;    
            break; } } } } 队列为空,广搜结束; }

下面来总结下写出 BFS 算法规则:

通过这个 bfs 框架可以看出该方法主要有以下几个规律:

  1. 起点条件。从哪个点开始访问?是否每个点都需要当作起点?第一次 bfs 调用至关重要。

  2. 邻接点。如何去获取邻接点?通过起点可到达的点。如何保存邻接点?先进先出。一般采用队列。
  3. 循环参数。队列不为空。一个点的所有邻接点都是在一个 while 里面进行添加的,才会进入

  4. 访问标志。为了避免重复访问,需要对已经访问过的节点加上标记,避免重复访问。

讲完了理论,下面开始进入实战。

200. 岛屿数量

给你一个由 ‘1‘(陆地)和 ‘0‘(水)组成的的二维网格,请你计算网格中岛屿的数量。

岛屿总是被水包围,并且每座岛屿只能由水平方向或竖直方向上相邻的陆地连接形成。

此外,你可以假设该网格的四条边均被水包围。

示例 1:

// 输入:
11110
11010
11000
00000
// 输出: 1

示例 2:

// 输入:
11000
11000
00100
00011
// 输出: 3

解释: 每座岛屿只能由水平和/或竖直方向上相邻的陆地连接而成。


题目解答如下:

class Solution {
    public int numIslands(char[][] grid) {
        if (grid == null || grid.length < 1 || grid[0].length<1) {
            return 0;
        }
        int num = 0;
        int nr = grid.length;
        int nc = grid[0].length;
     // 每个点都可能是起点
for (int x =0;x<nr;x++) { for (int y =0;y<nc;y++) { if (grid[x][y]==‘1‘) { bfs(grid,x,y); num++; } } } return num; }    // 对于 bfs 来说,只要队列不为空,就可以一直走到头, private void bfs(char[][] grid, int r, int c) { int nr = grid.length; int nc = grid[0].length;
     // 队列,用于保存邻接点 Queue
<Integer> neighbors = new LinkedList<>();
     // 这里可以学下,对于二维可以将坐标转化为一个数字 neighbors.add(r
* nc + c); while (!neighbors.isEmpty()) {
       // 每次循环开始的时候,需要移出一个点
int id = neighbors.remove(); int row = id / nc; int col = id % nc;
       // 四个邻接点都是在一个while循环里的
if (row - 1 >= 0 && grid[row-1][col] == ‘1‘) { neighbors.add((row-1) * nc + col); grid[row-1][col] = ‘0‘; } if (row + 1 < nr && grid[row+1][col] == ‘1‘) { neighbors.add((row+1) * nc + col); grid[row+1][col] = ‘0‘; } if (col - 1 >= 0 && grid[row][col-1] == ‘1‘) { neighbors.add(row * nc + col-1); grid[row][col-1] = ‘0‘; } if (col + 1 < nc && grid[row][col+1] == ‘1‘) { neighbors.add(row * nc + col+1); grid[row][col+1] = ‘0‘; } } } } 

695. 岛屿的最大面积

给定一个包含了一些 0 和 1 的非空二维数组 grid 。

一个 岛屿 是由一些相邻的 1 (代表土地) 构成的组合,这里的「相邻」要求两个 1 必须在水平或者竖直方向上相邻。你可以假设 grid 的四个边缘都被 0(代表水)包围着。

找到给定的二维数组中最大的岛屿面积。(如果没有岛屿,则返回面积为 0 。)

示例 1:

[[0,0,1,0,0,0,0,1,0,0,0,0,0],
[0,0,0,0,0,0,0,1,1,1,0,0,0],
[0,1,1,0,1,0,0,0,0,0,0,0,0],
[0,1,0,0,1,1,0,0,1,0,1,0,0],
[0,1,0,0,1,1,0,0,1,1,1,0,0],
[0,0,0,0,0,0,0,0,0,0,1,0,0],
[0,0,0,0,0,0,0,1,1,1,0,0,0],
[0,0,0,0,0,0,0,1,1,0,0,0,0]]

对于上面这个给定矩阵应返回 6。注意答案不应该是 11 ,因为岛屿只能包含水平或垂直的四个方向的 1 。

示例 2:

[[0,0,0,0,0,0,0,0]]

对于上面这个给定的矩阵, 返回 0。

注意: 给定的矩阵grid 的长度和宽度都不超过 50。


这道题目和上面的很类似。题目解答如下:

class Solution {
    public int maxAreaOfIsland(int[][] grid) {
        if (grid == null || grid.length <1 || grid[0].length<1) {
            return 0;
        }
        int rx = grid.length;
        int cy = grid[0].length;
        int max = 0;
        for (int x =0; x< rx; x++) {
            for (int y= 0;y<cy; y++) {
                if (grid[x][y]==1) {
                    int num = bfs(grid,x,y);
                    max = Math.max(max, num);
                }
            }
        }
        return max;
    }

    private int  bfs (int[][] grid, int x, int y){
        int rx = grid.length;
        int cy = grid[0].length;
     // 每次调用就是一个面积
int num = 1; grid[x][y] = 0; Queue<Integer> neQueue = new LinkedList<>();
     // 这里注意乘以的是col的长度 neQueue.add(x
*cy + y);
     // 队列不为空
while(!neQueue.isEmpty()) { int point = neQueue.remove(); int nx = point / cy; int ny = point % cy;
       // 每一个方向都要判断边界
if (nx - 1 >= 0 && grid[nx-1][ny] == 1) { neQueue.add((nx-1) * cy + ny); grid[nx-1][ny] = 0; num++; } if (nx + 1 < rx && grid[nx+1][ny] == 1) { neQueue.add((nx+1) * cy + ny); grid[nx+1][ny] = 0; num++; } if (ny - 1 >= 0 && grid[nx][ny-1] == 1) { neQueue.add(nx * cy + ny-1); grid[nx][ny-1] = 0; num++; } if (ny + 1 < cy && grid[nx][ny+1] == 1) { neQueue.add(nx * cy + ny+1); grid[nx][ny+1] = 0; num++; } } return num; } }

 

 

参考文章

广度优先遍历(BFS )(转)

广度优先搜索原理与实践

标签:组成   广搜   search   width   数据结构   back   ems   结合   https   

原文地址:https://www.cnblogs.com/huansky/p/12826857.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!