c++编程由邻接表生成深度和广度优先序列

时间: 2023-08-19 09:05:41 浏览: 38
以下是使用邻接表生成深度和广度优先序列的C++代码示例: ```cpp #include <iostream> #include <queue> #include <vector> using namespace std; // 用于表示图中的节点 struct Node { int val; vector<Node*> neighbors; Node(int x) : val(x) {} }; // 深度优先遍历 void dfs(Node* node, vector<bool>& visited, vector<int>& res) { if (!node || visited[node->val]) { return; } visited[node->val] = true; res.push_back(node->val); for (Node* neighbor : node->neighbors) { dfs(neighbor, visited, res); } } // 广度优先遍历 void bfs(Node* node, vector<bool>& visited, vector<int>& res) { queue<Node*> q; q.push(node); visited[node->val] = true; while (!q.empty()) { Node* curr = q.front(); q.pop(); res.push_back(curr->val); for (Node* neighbor : curr->neighbors) { if (!visited[neighbor->val]) { visited[neighbor->val] = true; q.push(neighbor); } } } } // 生成深度优先序列 vector<int> generateDFS(Node* node) { vector<int> res; if (!node) { return res; } vector<bool> visited(1000, false); // 用于标记节点是否已经访问过 dfs(node, visited, res); return res; } // 生成广度优先序列 vector<int> generateBFS(Node* node) { vector<int> res; if (!node) { return res; } vector<bool> visited(1000, false); // 用于标记节点是否已经访问过 bfs(node, visited, res); return res; } int main() { // 创建一个有向图 Node* node0 = new Node(0); Node* node1 = new Node(1); Node* node2 = new Node(2); Node* node3 = new Node(3); Node* node4 = new Node(4); Node* node5 = new Node(5); node0->neighbors = {node1, node2}; node1->neighbors = {node3, node4}; node2->neighbors = {node4, node5}; // 生成深度优先序列 vector<int> dfs_res = generateDFS(node0); cout << "DFS: "; for (int i : dfs_res) { cout << i << " "; } cout << endl; // 生成广度优先序列 vector<int> bfs_res = generateBFS(node0); cout << "BFS: "; for (int i : bfs_res) { cout << i << " "; } cout << endl; return 0; } ``` 以上代码中,我们先定义了一个 `Node` 结构体,用于表示图中的节点。`Node` 结构体包含一个 `val` 属性和一个 `neighbors` 向量,其中 `val` 表示节点的值,`neighbors` 向量表示节点的邻居。 然后我们定义了两个函数 `dfs` 和 `bfs`,分别用于进行深度优先遍历和广度优先遍历。这两个函数都使用了一个 `visited` 向量,用于标记节点是否已经访问过。当遍历到一个节点时,首先将该节点标记为已访问,并将其值加入结果向量中,然后递归或迭代地遍历该节点的所有邻居。这两个函数的主要区别在于遍历顺序的不同。 最后,我们定义了两个函数 `generateDFS` 和 `generateBFS`,分别用于生成深度优先序列和广度优先序列。这两个函数都调用了 `dfs` 和 `bfs` 函数,并返回遍历结果。 在 `main` 函数中,我们创建了一个有向图,并分别生成了深度优先序列和广度优先序列,并打印输出结果。

相关推荐

最新推荐

recommend-type

华为OD机试D卷 - 用连续自然数之和来表达整数 - 免费看解析和代码.html

私信博主免费获取真题解析以及代码
recommend-type

Screenshot_2024-05-10-20-21-01-857_com.chaoxing.mobile.jpg

Screenshot_2024-05-10-20-21-01-857_com.chaoxing.mobile.jpg
recommend-type

数字图像处理|Matlab-频域增强实验-彩色图像的频域滤波.zip

数字图像处理|Matlab-频域增强实验-彩色图像的频域滤波.zip
recommend-type

2024-2030中国定向转向膜市场现状研究分析与发展前景预测报告.docx

2024-2030中国定向转向膜市场现状研究分析与发展前景预测报告
recommend-type

开源工时填报管理系统安装包

开源工时填报管理系统安装包
recommend-type

zigbee-cluster-library-specification

最新的zigbee-cluster-library-specification说明文档。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

实现实时数据湖架构:Kafka与Hive集成

![实现实时数据湖架构:Kafka与Hive集成](https://img-blog.csdnimg.cn/img_convert/10eb2e6972b3b6086286fc64c0b3ee41.jpeg) # 1. 实时数据湖架构概述** 实时数据湖是一种现代数据管理架构,它允许企业以低延迟的方式收集、存储和处理大量数据。与传统数据仓库不同,实时数据湖不依赖于预先定义的模式,而是采用灵活的架构,可以处理各种数据类型和格式。这种架构为企业提供了以下优势: - **实时洞察:**实时数据湖允许企业访问最新的数据,从而做出更明智的决策。 - **数据民主化:**实时数据湖使各种利益相关者都可
recommend-type

spring添加xml配置文件

1. 创建一个新的Spring配置文件,例如"applicationContext.xml"。 2. 在文件头部添加XML命名空间和schema定义,如下所示: ``` <beans xmlns="http://www.springframework.org/schema/beans" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.springframework.org/schema/beans
recommend-type

JSBSim Reference Manual

JSBSim参考手册,其中包含JSBSim简介,JSBSim配置文件xml的编写语法,编程手册以及一些应用实例等。其中有部分内容还没有写完,估计有生之年很难看到完整版了,但是内容还是很有参考价值的。