在编程生活中,我们总会遇见属性结构,这几天刚好需要对树形结构操作,就记录下自己的操作方式以及过程。现在假设有一颗这样树,(是不是二叉树都没关系,原理都是一样的)
1、深度优先
英文缩写为DFS即Depth First Search.其过程简要来说是对每一个可能的分支路径深入到不能再深入为止,而且每个节点只能访问一次。对于上面的例子来说深度优先遍历的结果就是:A,B,D,E,I,C,F,G,H.(假设先走子节点的的左侧)。
深度优先遍历各个节点,需要使用到堆(Stack)这种数据结构。stack的特点是是先进后出。整个遍历过程如下:
首先将A节点压入堆中,stack(A);
将A节点弹出,同时将A的子节点C,B压入堆中,此时B在堆的顶部,stack(B,C);
将B节点弹出,同时将B的子节点E,D压入堆中,此时D在堆的顶部,stack(D,E,C);
将D节点弹出,没有子节点压入,此时E在堆的顶部,stack(E,C);
将E节点弹出,同时将E的子节点I压入,stack(I,C);
...依次往下,最终遍历完成,Java代码大概如下:
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); //获得节点的子节点,对于二叉树就是获得节点的左子结点和右子节点 List<Map<String, Object>> children = getChildren(node); if (children != null && !children.isEmpty()) { for (Map child : children) { nodeStack.push(child); } } } } //节点使用Map存放 |
2、广度优先
英文缩写为BFS即Breadth FirstSearch。其过程检验来说是对每一层节点依次访问,访问完一层进入下一层,而且每个节点只能访问一次。对于上面的例子来说,广度优先遍历的结果是:A,B,C,D,E,F,G,H,I(假设每层节点从左到右访问)。
广度优先遍历各个节点,需要使用到队列(Queue)这种数据结构,queue的特点是先进先出,其实也可以使用双端队列,区别就是双端队列首位都可以插入和弹出节点。整个遍历过程如下:
首先将A节点插入队列中,queue(A);
将A节点弹出,同时将A的子节点B,C插入队列中,此时B在队列首,C在队列尾部,queue(B,C);
将B节点弹出,同时将B的子节点D,E插入队列中,此时C在队列首,E在队列尾部,queue(C,D,E);
将C节点弹出,同时将C的子节点F,G,H插入队列中,此时D在队列首,H在队列尾部,queue(D,E,F,G,H);
将D节点弹出,D没有子节点,此时E在队列首,H在队列尾部,queue(E,F,G,H);
...依次往下,最终遍历完成,Java代码大概如下:
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); //获得节点的子节点,对于二叉树就是获得节点的左子结点和右子节点 List<Map<String, Object>> children = getChildren(node); if (children != null && !children.isEmpty()) { for (Map child : children) { nodeDeque.add(child); } } } } //这里使用的是双端队列,和使用queue是一样的 |
相关推荐
在本文中,我们将深入探讨图的数据结构以及如何对图进行深度优先遍历(DFS)和广度优先遍历(BFS)。首先,我们要理解图的基本概念。图是一种数据结构,用于表示对象之间的关系,其中的对象称为顶点或节点,而它们...
本篇文章将深入探讨如何使用Java来实现二叉树的深度优先遍历(DFS, Depth First Search)和广度优先遍历(BFS, Breadth First Search)。 **深度优先遍历** 是一种在图或树中搜索的方法,它尽可能深地探索树的分支...
本文将深入探讨Java中实现的四个核心图算法:深度优先遍历(DFS)、广度优先遍历(BFS)、最短路径算法以及最小生成树算法。 首先,**深度优先遍历(DFS)**是一种用于遍历或搜索树或图的算法。它从根节点开始,尽...
根据遍历方式的不同,图的遍历可以分为深度优先遍历(DFS)和广度优先遍历(BFS)。本文将深入探讨这两种遍历方法,并提供其在Java中的实现。 ### 图的深度优先遍历(DFS) 深度优先遍历是一种递归地访问图中的...
深度优先搜索是一种遍历二叉树的方式,它沿着树的深度遍历树的节点,尽可能深的搜索树的分支。当节点 v 的所有边都己被探寻过,搜索将回溯到发现节点 v 的那条边的起始节点。这一过程一直进行到已发现从源节点可达的...
用Java描述的图,以邻接表存储,包含常用算法
本文详细介绍了Java实现二叉树的深度优先遍历和广度优先遍历算法,通过实例代码展示了深度优先遍历和广度优先遍历的实现过程,并对二叉树的定义、深度优先遍历与广度优先遍历算法原理与相关操作实现技巧进行了详细...
这个示例将创建一个简单的多叉树并输出深度优先和广度优先遍历的结果。实际应用中,多叉树常用于搜索引擎的倒排索引、文件系统的目录结构、计算机科学中的语法解析树等多种场景。通过理解多叉树的实现和遍历,可以更...
在这个场景中,我们关注的是图数据结构的一种遍历方法——深度优先搜索(DFS)和广度优先搜索(BFS)。这两种算法在解决实际问题如路径查找、网络爬虫、社交网络分析等方面有着广泛应用。 深度优先遍历是一种用于...
在这个Java程序中,我们将探讨如何使用邻接表来实现图的深度优先遍历(DFS)和广度优先遍历(BFS)。邻接表是图数据结构的一种有效实现方式,尤其对于稀疏图(边的数量远小于节点数量的平方)来说,它比邻接矩阵更加...
本教程主要探讨如何使用Java编程语言实现深度优先和广度优先的网页爬虫。 首先,我们来理解深度优先搜索(DFS, Depth First Search)和广度优先搜索(BFS, Breadth First Search)的基本概念: 深度优先搜索是一种...
深度优先遍历(DFS)是一种用于遍历或搜索树或图的算法。DFS从根节点开始,沿着某一条分支尽可能深地搜索,直到达到叶节点,然后回溯到上一个节点,继续探索其他未被访问过的分支。在无向图中,DFS可以通过递归或栈...
广度优先搜索是一种遍历或搜索树或图的方法,它从根节点开始,然后访问所有相邻节点,再对每个相邻节点进行同样的操作,直到访问完所有节点。BFS通常使用队列数据结构来实现。 以下是一个基本的BFS算法步骤: 1. ...
本资料包含的是Java实现的图的深度优先遍历(DFS, Depth First Search)和广度优先遍历(BFS, Breadth First Search)的源码,方便开发者直接运行和学习。 深度优先遍历是从一个顶点出发,尽可能深地搜索图的分支。...
深度优先搜索(DFS,Depth-First Search)是一种遍历或搜索树或图的算法。DFS从根节点开始,尽可能深地搜索图的分支。当访问到一个节点时,它会先递归地访问该节点的所有子节点,然后再回溯。在Java中,可以使用栈来...
在这个例子中,`Main.java`文件可能包含了这些逻辑,通过深度优先遍历字典树来统计单词的出现次数。在实际应用中,可能还需要处理用户输入、读取文件等操作,以便从大量数据中统计单词频率。 深度优先遍历的优势...
主要有两种类型的遍历:深度优先搜索(DFS)和广度优先搜索(BFS)。这里提到的递归遍历是深度优先搜索的一个例子,因为它沿着每条路径尽可能深地探索树。 给定的代码中,`treeMenuList` 方法是一个典型的递归函数...
**深度优先搜索(DFS)**是一种遍历或搜索树或图的方法,它沿着树的深度方向尽可能深地搜索。在图中,DFS通常按照以下步骤进行: 1. 选择一个未访问的顶点并标记为已访问。 2. 对该顶点的所有未访问邻居进行DFS。 3....
本压缩包包含了两种不同的解决方法:广度优先搜索(BFS)和深度优先搜索(DFS),均使用Java编程语言实现。 首先,我们来详细解释广度优先搜索(BFS)。BFS 是一种用于遍历或搜索树或图的算法,它按照“先到先服务...