您现在的位置是:群英 > 开发技术 > 编程语言
go语言编程实现深度优先搜索和图的广度的方法是什么
Admin发表于 2022-07-07 17:26:2054 次浏览
这篇文章给大家分享的是“go语言编程实现深度优先搜索和图的广度的方法是什么”,文中的讲解内容简单清晰,对大家认识和了解都有一定的帮助,对此感兴趣的朋友,接下来就跟随小编一起了解一下“go语言编程实现深度优先搜索和图的广度的方法是什么”吧。

   

图的实现

所谓图就是节点及其连接关系的集合。所以可以通过一个一维数组表示节点,外加一个二维数组表示节点之间的关系。

//图的矩阵实现
typedef struct MGRAPH{
    nodes int[];    //节点
    edges int[][];  //边
}mGraph;

然而对于一些实际问题,其邻接矩阵中可能存在大量的0值,此时可以通过邻接链表来表示稀疏图,其数据结构如图所示

其左侧为图的示意图,右侧为图的邻接链表。红字表示节点序号,链表中为与这个节点相连的节点,如1节点与2、5节点相连。由于在go中,可以很方便地使用数组来代替链表,所以其链表结构可以写为

package main
import "fmt"
type Node struct{
	value int;      //节点为int型
};
type Graph struct{
	nodes []*Node
	edges map[Node][]*Node		//邻接表示的无向图
}

其中,map为Go语言中的键值索引类型,其定义格式为map[<op1>]<op2><op1>为键,<op2>为值。在图结构中,map[Node][]*Node表示一个Node对应一个Node指针所组成的数组。

下面将通过Go语言生成一个图

//增加节点
//可以理解为Graph的成员函数
func (g *Graph) AddNode(n *Node)  {
	g.nodes = append(g.nodes, n)
}
//增加边
func (g *Graph) AddEdge(u, v *Node) {
	g.edges[*u] = append(g.edges[*u],v)	//u->v边
	g.edges[*v] = append(g.edges[*v],u)	//u->v边
}
//打印图
func (g *Graph) Print(){
	//range遍历 g.nodes,返回索引和值
	for _,iNode:=range g.nodes{
		fmt.Printf("%v:",iNode.value)
		for _,next:=range g.edges[*iNode]{
			fmt.Printf("%v->",next.value)
		}
		fmt.Printf("\n")
	}
}
func initGraph() Graph{
	g := Graph{}
	for i:=1;i<=5;i++{
		g.AddNode(&Node{i,false})
	}
	//生成边
	A := [...]int{1,1,2,2,2,3,4}
	B := [...]int{2,5,3,4,5,4,5}
	g.edges = make(map[Node][]*Node)//初始化边
	for i:=0;i<7;i++{
		g.AddEdge(g.nodes[A[i]-1], g.nodes[B[i]-1])
	}
	return g
}
func main(){
	g := initGraph()
	g.Print()
}

其运行结果为

PS E:\Code> go run .\goGraph.go
1:2->5->
2:1->3->4->5->
3:2->4->
4:2->3->5->
5:1->2->4->

BFS

广度优先搜索(BFS)是最简单的图搜索算法,给定图的源节点后,向外部进行试探性地搜索。其特点是,通过与源节点的间隔来调控进度,即只有当距离源节点为 k k k的节点被搜索之后,才会继续搜索,得到距离源节点为 k + 1 k+1 k+1的节点。

对于图的搜索而言,可能存在重复的问题,即如果1搜索到2,相应地2又搜索到1,可能就会出现死循环。因此对于图中的节点,我们用searched对其进行标记,当其值为false时,说明没有被搜索过,否则则说明已经搜索过了。

type Node struct{
	value int;
	searched bool;
}
/*func initGraph() Graph{
    g := Graph{}
*/
    //相应地更改节点生成函数
    for i:=1;i<=5;i++{
		g.AddNode(&Node{i,false})
	}
/*
...
*/

此外,由于在搜索过程中会改变节点的属性,所以map所对应哈希值也会发生变化,即Node作为键值将无法对应原有的邻接节点,所以Graph中边的键值更替为节点的指针,这样即便节点的值发生变化,但其指针不会变化。

type Graph struct{
	nodes []*Node
	edges map[*Node][]*Node		//邻接表示的无向图
}
//增加边
func (g *Graph) AddEdge(u, v *Node) {
	g.edges[u] = append(g.edges[u],v)	//u->v边
	g.edges[v] = append(g.edges[v],u)	//u->v边
}
//打印图
func (g *Graph) Print(){
	//range遍历 g.nodes,返回索引和值
	for _,iNode:=range g.nodes{
		fmt.Printf("%v:",iNode.value)
		for _,next:=range g.edges[iNode]{
			fmt.Printf("%v->",next.value)
		}
		fmt.Printf("\n")
	}
}
func initGraph() Graph{
	g := Graph{}
	for i:=1;i<=9;i++{
		g.AddNode(&Node{i,false})
	}
	//生成边
	A := [...]int{1,1,2,2,2,3,4,5,5,6,1}
	B := [...]int{2,5,3,4,5,4,5,6,7,8,9}
	g.edges = make(map[*Node][]*Node)//初始化边
	for i:=0;i<11;i++{
		g.AddEdge(g.nodes[A[i]-1], g.nodes[B[i]-1])
	}
	return g
}
func (g *Graph) BFS(n *Node){
	var adNodes[] *Node		//存储待搜索节点
	n.searched = true
	fmt.Printf("%d:",n.value)
	for _,iNode:=range g.edges[n]{
		if !iNode.searched {
			adNodes = append(adNodes,iNode)
			iNode.searched=true
			fmt.Printf("%v ",iNode.value)
		}
	}
	fmt.Printf("\n")
	for _,iNode:=range adNodes{
		g.BFS(iNode)
	}
}
func main(){
	g := initGraph()
	g.Print()
	g.BFS(g.nodes[0])
}

该图为

输出结果为

PS E:\Code\goStudy> go run .\goGraph.go
1:2->5->9->
2:1->3->4->5->
3:2->4->
4:2->3->5->
5:1->2->4->6->7->
6:5->8->
7:5->
8:6->
9:1->
//下面为BFS结果
1:2 5 9
2:3 4
3:
4:
5:6 7
6:8
8:
7:
9:

DFS

深度优先遍历(DFS)与BFS的区别在于,后者的搜索过程可以理解为逐层的,即可将我们初始搜索的节点看成父节点,那么与该节点相连接的便是一代节点,搜索完一代节点再搜索二代节点。DFS则是从父节点搜索开始,一直搜索到末代节点,从而得到一个末代节点的一条世系;然后再对所有节点进行遍历,找到另一条世系,直至不存在未搜索过的节点。

其基本步骤为:

  • 首先选定一个未被访问过的顶点 V 0 V_0 V0​作为初始顶点,并将其标记为已访问
  • 然后搜索 V 0 V_0 V0​邻接的所有顶点,判断是否被访问过,如果有未被访问的顶点,则任选一个顶点 V 1 V_1 V1​进行访问,依次类推,直到 V n V_n Vn​不存在未被访问过的节点为止。
  • 若此时图中仍旧有顶点未被访问,则再选取其中一个顶点进行访问,否则遍历结束。

我们先实现第二步,即单个节点的最深搜索结果

func (g *Graph) visitNode(n *Node){
	for _,iNode:= range g.edges[n]{
		if !iNode.searched{
			iNode.searched = true
			fmt.Printf("%v->",iNode.value)
			g.visitNode(iNode)
			return
		}
	}
}
func main(){
	g := initGraph()
	g.nodes[0].searched = true
	fmt.Printf("%v->",g.nodes[0].value)
	g.visitNode(g.nodes[0])
}

结果为

PS E:\Code> go run .\goGraph.go
1->2->3->4->5->6->8->

可见,还有节点7、9未被访问。

完整的DFS算法只需在单点遍历之前,加上一个对所有节点的遍历即可

func (g *Graph) DFS(){
	for _,iNode:=range g.nodes{
		if !iNode.searched{
			iNode.searched = true
			fmt.Printf("%v->",iNode.value)
			g.visitNode(iNode)
			fmt.Printf("\n")
			g.DFS()
		}
	}
}
func main(){
	g := initGraph()
	g.nodes[0].searched = true
	fmt.Printf("%v->",g.nodes[0].value)
	g.visitNode(g.nodes[0])
}

结果为

PS E:\Code> go run .\goGraph.go
1->2->3->4->5->6->8->
7->
9->
  • 实例
  • go语言实现将重要数据写入图片中

关于“go语言编程实现深度优先搜索和图的广度的方法是什么”的内容就介绍到这,感谢各位的阅读,相信大家对go语言编程实现深度优先搜索和图的广度的方法是什么已经有了进一步的了解。大家如果还想学习更多知识,欢迎关注群英网络,小编将为大家输出更多高质量的实用文章!

免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:mmqy2019@163.com进行举报,并提供相关证据,查实之后,将立刻删除涉嫌侵权内容。

标签: go语言编程
相关信息推荐
2022-07-19 17:37:07 
摘要:我们做业务过程中,对应强类型语言使用有个痛点,就是使用变量之前一定要定义变量类型,那么本文就来介绍一下golang实现PHP数组特性的方法
2021-12-02 17:40:29 
摘要:篇文章给大家分享的是PHP超全局变量的相关内容,超全局变量在 PHP 4.1.0 中引入,是在全部作用域中始终可用的内置变量。小编觉得挺实用的,因此分享给大家做个参考,文中示例代码介绍的非常详细,感兴趣的朋友接下来一起跟随小编看看吧。
2022-07-27 17:53:02 
摘要:这篇文章主要为大家详细介绍了AJAX检测用户名是否存在,文中示例代码介绍的非常详细,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
推荐内容
热门关键词
热门信息
群英网络助力开启安全的云计算之旅
立即注册,领取新人大礼包
  • 联系我们
  • 24小时售后:4006784567
  • 24小时TEL :0668-2555666
  • 售前咨询TEL:400-678-4567

  • 官方微信

    官方微信
Copyright  ©  QY  Network  Company  Ltd. All  Rights  Reserved. 2003-2019  群英网络  版权所有   茂名市群英网络有限公司
增值电信经营许可证 : B1.B2-20140078   粤ICP备09006778号
免费拨打  400-678-4567
免费拨打  400-678-4567 免费拨打 400-678-4567 或 0668-2555555
微信公众号
返回顶部
返回顶部 返回顶部