深度優先與廣度優先Java實現程式碼示例【轉】
在程式設計生活中,我們總會遇見樹性結構
而當我們需要遍歷所有節點的時候有兩種遍歷演算法,1.深度優先,2.廣度優先
1.深度優先(DFS)
英文縮寫為DFS即Depth First Search.其過程簡要來說是對每一個可能的分支路徑深入到不能再深入為止,而且每個節點只能訪問一次。對於上面的例子來說深度優先遍歷的結果就是:A,B,D,E,I,C,F,G,H.(假設先走子節點的的左側)
深度優先遍歷各個節點,需要使用到堆(Stack)這種資料結構。stack的特點是是先進後出。整個遍歷過程如下:
首先將A節點壓入堆中,stack(A);
將A節點彈出,同時將A的子節點C,B壓入堆中,此時B在堆的頂部,stack(B,C);
將B節點彈出,同時將B的子節點E,D壓入堆中,此時D在堆的頂部,stack(D,E,C);
將D節點彈出,沒有子節點壓入,此時E在堆的頂部,stack(E,C);
將E節點彈出,同時將E的子節點I壓入,stack(I,C);
…依次往下,最終遍歷完成,Java程式碼大概如下:
public void depthFirst() {
Stack<Map<String, Object>> nodeStack = new Stack<Map<String, Object>>();
Map<String, Object> node = new HashMap<String, Object>();
nodeStack.add(node);
while (!nodeStack.isEmpty()) {
node = nodeStack.pop();
System.out.println(node);
//獲得節點的子節點,對於二叉樹就是獲得節點的左子結點和右子節點
List<Map<String, Object>> children = getChildren(node);
if (children != null && !children.isEmpty()) {
for (Map child : children) {
nodeStack.push(child);
}
}
}
}
2.廣度優先(BFS)
英文縮寫為BFS即Breadth FirstSearch。其過程檢驗來說是對每一層節點依次訪問,訪問完一層進入下一層,而且每個節點只能訪問一次。
廣度優先遍歷各個節點,需要使用到佇列(Queue)這種資料結構,queue的特點是先進先出,其實也可以使用雙端佇列,區別就是雙端佇列首位都可以插入和彈出節點。整個遍歷過程如下:
首先將A節點插入佇列中,queue(A);
將A節點彈出,同時將A的子節點B,C插入佇列中,此時B在佇列首,C在佇列尾部,queue(B,C);
將B節點彈出,同時將B的子節點D,E插入佇列中,此時C在佇列首,E在佇列尾部,queue(C,D,E);
將C節點彈出,同時將C的子節點F,G,H插入佇列中,此時D在佇列首,H在佇列尾部,queue(D,E,F,G,H);
將D節點彈出,D沒有子節點,此時E在佇列首,H在佇列尾部,queue(E,F,G,H);
…依次往下,最終遍歷完成,Java程式碼大概如下:
public void breadthFirst() {
Deque<map<string, object="">> nodeDeque = new ArrayDeque<map<string, object="">>();
Map<string, object=""> node = new HashMap<string, object="">();
nodeDeque.add(node);
while (!nodeDeque.isEmpty()) {
node = nodeDeque.peekFirst();
System.out.println(node);
//獲得節點的子節點,對於二叉樹就是獲得節點的左子結點和右子節點
List<map<string, object="">> children = getChildren(node);
if (children != null && !children.isEmpty()) {
for (Map child : children) {
nodeDeque.add(child);
}
}
}
}