【JavaScript 算法】图的遍历：理解图的结构

空白诗

发布于 2024-07-20 12:43:57

450

发布于 2024-07-20 12:43:57

文章被收录于专栏：【全栈开发之路】

图的遍历是图论中的基本操作之一，通过遍历图中的所有节点和边，可以理解图的结构并解决实际问题。常见的图遍历方法有深度优先搜索（DFS）和广度优先搜索（BFS）。本文将详细介绍这两种遍历方法的原理、实现及其应用。

一、深度优先搜索（DFS）

深度优先搜索是一种从起始节点出发，沿着图的分支尽可能深入，然后回溯并继续探索其他分支的遍历方法。

深度优先搜索的步骤

从起始节点开始，将其标记为已访问。
对于当前节点的每个相邻节点：
- 如果相邻节点未被访问，递归地执行深度优先搜索。
回溯到上一个节点，继续探索其他未被访问的相邻节点。

深度优先搜索的JavaScript实现

/**
 * 深度优先搜索算法
 * @param {Object} graph - 图的邻接表表示
 * @param {string} start - 起始节点
 * @param {Set} visited - 已访问节点集合
 */
function depthFirstSearch(graph, start, visited = new Set()) {
  console.log(start); // 访问节点
  visited.add(start); // 将节点标记为已访问

  for (const neighbor of graph[start]) {
    if (!visited.has(neighbor)) {
      depthFirstSearch(graph, neighbor, visited); // 递归访问相邻节点
    }
  }
}

// 示例
const graph = {
  A: ['B', 'C'],
  B: ['D', 'E'],
  C: ['F'],
  D: [],
  E: ['F'],
  F: []
};

depthFirstSearch(graph, 'A'); // 输出: A B D E F C

二、广度优先搜索（BFS）

广度优先搜索是一种从起始节点开始，逐层向外扩展，直到遍历完所有节点的遍历方法。

广度优先搜索的步骤

从起始节点开始，将其标记为已访问，并加入队列。
当队列不为空时，取出队列的头节点，访问该节点的所有相邻节点。
对于每个相邻节点，如果未被访问过，将其标记为已访问并加入队列。
重复步骤2和3，直到队列为空。

### 广度优先搜索的JavaScript实现

/**
 * 广度优先搜索算法
 * @param {Object} graph - 图的邻接表表示
 * @param {string} start - 起始节点
 */
function breadthFirstSearch(graph, start) {
  const queue = [start]; // 初始化队列，将起始节点加入队列
  const visited = new Set(); // 用于记录已访问的节点

  visited.add(start); // 将起始节点标记为已访问

  while (queue.length > 0) {
    const node = queue.shift(); // 取出队列的头节点
    console.log(node); // 访问节点

    // 访问当前节点的所有相邻节点
    for (const neighbor of graph[node]) {
      // 如果相邻节点未被访问过，将其标记为已访问并加入队列
      if (!visited.has(neighbor)) {
        visited.add(neighbor);
        queue.push(neighbor);
      }
    }
  }
}

// 示例
breadthFirstSearch(graph, 'A'); // 输出: A B C D E F