共计 6204 个字符，预计需要花费 16 分钟才能阅读完成。
本篇文章给大家分享的是有关 bfs 和 dfs 的应用实例分析，丸趣 TV 小编觉得挺实用的，因此分享给大家学习，希望大家阅读完这篇文章后可以有所收获，话不多说，跟着丸趣 TV 小编一起来看看吧。
广度优先搜索应用举例：计算网络跳数
图结构在解决许多网络相关的问题时直到了重要的作用。
比如，用来确定在互联网中从一个结点到另一个结点（一个网络到其他网络的网关）的最佳路径。一种建模方法是采用无向图，其中顶点表示网络结点，边代表结点之间的联接。使用这种模型，可以采用广度优先搜索来帮助确定结点间的最小跳数。
如图 1 所示，该图代表 Internet 中的 6 个网络结点。以 node1 作为起点，有不止 1 条可以通往 node4 的路径。node1,node2,node4，node1,node3,node2,node4，node1,node3,node5,node4 都是可行的路径。广度优先搜索可以确定最短路径选择，即 node1,node2,node4，一共只需要两跳。
我们以 bfs 作为广度优先搜索的函数名（见示例 1 及示例 2）。该函数用来确定互联网中两个结点之间的最小跳数。这个函数有 3 个参数：graph 是一个图，在这个问题中就代表整个网络；start 代表起始的顶点；hops 是返回的跳数链表。函数 bfs 会修改图 graph，因此，如果有必要的话在调用该函数前先对图创建拷贝。另外，hops 中返回的是指向 graph 中实际顶点的指针，因此调用者必须保证只要访问 hops，graph 中的存储空间就必须保持有效。
graph 中的每一个顶点都是一个 BfsVertex 类型的结构体（见示例 1），该结构体有 3 个成员：data 是指向图中顶点的数据域指针，color 在搜索过程中维护顶点的颜色，hops 维护从起始顶点开始到目标顶点的跳数统计。
match 函数是由调用者在初始化 graph 时作为参数传递给 graph_init 的。match 函数应该只对 BfsVertex 结构体中的 data 成员进行比较。
bfs 函数将按照前面介绍过的广度优先搜索的方式来计算。为了记录到达每个顶点的最小跳数，将每个顶点的 hop 计数设置为与该顶点邻接的顶点的 hop 计数加 1。对于每个发现的顶点都这样处理，并将其涂成灰色。每个顶点的颜色和跳数信息都由邻接表结构链表中的 BfsVertex 来维护。最后，加载 hops 中所有跳数未被标记为 - 1 的顶点。这些就是从起始顶点可达的顶点。
bfs 的时间复杂度为 O（V+E），这里 V 代表图中的顶点个数，E 是边的个数。这是因为初始化顶点的颜色属性以及确保起始顶点存在都需要 O（V）的运行时间，广度优先搜索中的循环的复杂度是 O（V+E），加载跳数统计链表的时间为 O（V）。
示例 1：广度优先搜索的头文件
/*bfs.h*/
#ifndef BFS_H
#define BFS_H
#include graph.h
#include list.h
/* 定义广度优先搜索中的顶点数据结构 */
typedef struct BfsVertex_
void *data;
VertexColor color;
int hops;
}BfsVertex;
/* 函数接口定义 */
int bfs(Graph *graph, BfsVertex *start, List *hops);
#endif // BFS_H示例 2：广度优先搜索的实现
/*bfs.c*/
#include stdlib.h
#include bfs.h
#include graph.h
#include list.h
#include queue.h
/*bfs */
int bfs(Graph *graph, BfsVertex *start, List *hops)
Queue queue;
AdjList *adjlist, *clr_adjlist;
BfsVertex *clr_vertex, *adj_vertex;
ListElmt *element, *member;
/* 初始化图中的所有结点为广度优先结点 */
for(element = list_head( graph_adjlists(graph)); element != NULL; element = list_next(element))
{ clr_vertex = ((AdjList *)list_data(element))- vertex;
if(graph- match(clr_vertex,start))
{
/* 初始化起始顶点 */
clr_vertex- color = gray;
clr_vertex- hops = 0;
}
else
{
/* 初始化非起始顶点 */
clr_vertex- color = white;
clr_vertex- hops = -1;
}
}
/* 初始化队列，并将起始顶点的邻接表入队 */
queue_init(queue,NULL);
/* 返回起始顶点的邻接表，存储到 clr_adjlist*/
if(graph_adjlist(graph,start, clr_adjlist) != 0)
{ queue_destroy( queue);
return -1;
}
/* 将顶点的邻接表入队到队列 */
if(queue_enqueue( queue,clr_adjlist) != 0 )
{ queue_destroy( queue);
return -1;
}
/* 执行广度优先探索 */
while(queue_size( queue) 0)
{ adjlist = queue_peek( queue);
/* 遍历邻接表中的每一个顶点 */
for(member = list_head( adjlist- adjacent); member != NULL; member = list_next(member))
{ adj_vertex = list_data(member);
/* 决定下一个邻接点的颜色 */
if(graph_adjlist(graph,adj_vertex, clr_adjlist) != 0)
{ queue_destroy( queue);
return -1;
}
clr_vertex = clr_adjlist- vertex;
/* 把白色的顶点标成灰色，并把它的邻接顶点入队 */
if(clr_vertex- color == white)
{
clr_vertex- color = gray;
clr_vertex- hops = ((BfsVertex *)adjlist- vertex)- hops + 1;
if(queue_enqueue( queue,clr_adjlist) != 0)
{ queue_destroy( queue);
return -1;
}
}
}
/* 将当前顶点邻接表从队列中移除并涂成黑色 */
if(queue_dequeue( queue,(void **) adjlist) == 0)
{ ((BfsVertex *)adjlist- vertex)- color = black;
}
else
{ queue_destroy( queue);
return -1;
}
}
queue_destroy(queue);
/* 返回每一个顶点的 hop 计数到一个链表中 */
list_init(hops,NULL);
for(element = list_head( graph_adjlists(graph)); element != NULL; element = list_next(element))
{
/* 跳过那些没有被访问到的节点（hops = -1）*/
clr_vertex = ((AdjList *)list_data(element))- vertex;
if(clr_vertex- color != -1)
{ if(list_ins_next(hops,list_tail(hops),clr_vertex) != 0)
{ list_destroy(hops);
return -1;
}
}
}
return 0;
}深度优先搜索的应用举例：拓扑排序
有时候，我们必须根据各种事物间的依赖关系来确定一种可接受的执行顺序。比如，在大学里必须满足一些先决条件才能选的课程，或者一个复杂的项目，其中某个特定的阶段必须在其他阶段开始之前完成。要为这一类问题建模，可以采用优先级图，其采用的是有向图的思路。在优先级图中，顶点代表任务，而边代表任务之间的依赖关系。以必须先完成的任务为起点，以依赖于此任务的其他任务为终点，画一条边即可。
如下图所示，它表示 7 门课程及其先决条件组成的一份课程表：S100 没有先决条件，S200 需要 S100，S300 需要 S200 和 M100，M100 没有先决条件，M200 需要 M100，M300 需要 S300 和 M200，并且 S150 没有先决条件同时也不是先决条件。
通过对这些课程执行拓扑排序，深度优先搜索有助于确定出一中可接受的顺序。
拓扑排序将顶点排列为有向无环图，因此所有的边都是从左到右的方向。正规来说，有向无环图 G =(V,E) 的拓扑排序是其顶点的一个线性排序，以便如果 G 中存在一条边（u，v），那么线性顺序中 u 出现在 v 的前面，在许多情况下，满足此条件的顺序有多个。
下面的代码示例实现了函数 dfs，即深度优先搜索。该函数在这里用来对任务做拓扑排序。dfs 有两个参数：graph 代表图，在这个问题中则代表需要排序的任务；而参数 ordered 是完成拓扑排序后返回的顶点链表。调用该函数会修改图 graph，因此如果有必要需要在调用前先对 graph 创建一个副本。另外，函数返回后链表 ordered 中保存了指向图 graph 中顶点的指针，因此调用者必须保证，一旦访问 ordered 中的元素就必须保证 graph 中的存储空间保持有效。graph 中的每一个顶点都是一个 DfsVertex 结构体，该结构体拥有两个成员：data 是指向顶点数据域部分的指针；而 color 在搜索过程中负责维护顶点的颜色信息。match 函数是由调用者在初始化 graph 时通过参数传递给 graph_init 的，该函数应该只对 DfsVertex 结构体中的 data 成员进行比较。
dfs 按照深度优先的方式进行搜索。dfs_main 是实际执行搜索的函数。dfs 中的最后一个循环保证对图中所有未相连的元素完成了检索。在 dfs_main 中逐个完成顶点的搜索并将其涂黑，然后插入链表 ordered 的头部。最后，ordered 就包含完整拓扑排序后的顶点。
dfs 的时间复杂度是 O（V+E），V 代表图中的顶点个数，而 E 代表边的个数。这是因为初始化顶点的颜色信息需要 O（V）的时间，而 dfs_main 的时间复杂度为 O（V+E）。
示例 3：深度优先搜索的头文件
/*dfs.h*/
#ifndef DFS_H
#define DFS_H
#include graph.h
#include list.h
/* 为深度优先搜索中的所有节点定义一个结构体 */
typedef struct DfsVertex_
void *data;
VertexColor color;
}DfsVertex;
/* 公共接口 */
int dfs(Graph *graph,List *ordered);
#endif // DFS_H示例 4：深度优先搜索的函数实现
/*dfs.c*/
#include stdlib.h
#include dfs.h
#include graph.h
#include list.h
/*dfs_main*/
static int dfs_main(Graph *graph, AdjList *adjlist, List *ordered)
AdjList *clr_adjlist;
DfsVertex *clr_vertex, *adj_vertex;
ListElmt *member;
/* 首先，将起始顶点涂成灰色，并遍历它的邻接顶点集合 */
((DfsVertex *)adjlist- vertex)- color = gray;
for(member = list_head( adjlist- adjacent); member != NULL; member = list_next(member))
{
/* 决定下一个集合顶点的颜色 */
adj_vertex = list_data(member);
if(graph_adjlist(graph,adj_vertex, clr_adjlist) != 0)
{
return -1;
}
clr_vertex = clr_adjlist- vertex;
/* 如果当前顶点是白色，则递归搜索它的邻接点 */
if(clr_vertex- color == white)
{ if(dfs_main(graph,clr_adjlist,ordered) != 0)
return -1;
}
}
/* 把当前顶点涂成“黑”色，并加入到链表头部 */
((DfsVertex *)adjlist- vertex)- color = black;
if(list_ins_next(ordered, NULL, (DfsVertex *)adjlist- vertex) !=0 )
return -1;
return 0;
/*dfs*/
int dfs(Graph *graph, List *ordered)
DfsVertex *vertex;
ListElmt *element;
/* 初始化图中的所有顶点 */
for(element = list_head( graph_adjlists(graph)); element != NULL; element = list_next(element))
{ vertex = ((AdjList *)list_data(element))- vertex;
vertex- color = white;
}
/* 执行广度优先搜索 */
list_init(ordered,NULL);
for(element = list_head( graph_adjlists(graph)); element != NULL; element = list_next(element))
{
/* 确保图中的每个顶点都能被检索到 */
vertex = ((AdjList *)list_data(element))- vertex;
if(vertex- color == white)
{ if(dfs_main(graph, (AdjList *)list_data(element), ordered) != 0)
{ list_destroy(ordered);
return -1;
}
}
}
return 0;
}以上就是 bfs 和 dfs 的应用实例分析，丸趣 TV 小编相信有部分知识点可能是我们日常工作会见到或用到的。希望你能通过这篇文章学到更多知识。更多详情敬请关注丸趣 TV 行业资讯频道。
