图的遍历：从深度优先到广度优先

图是计算机科学中非常重要的数据结构，广泛应用于许多问题中，如社交网络分析、地图导航、路径查找、网络路由等。而图遍历是图的基本操作之一，用于系统地访问图中的每个节点。图的遍历方式主要有两种：深度优先搜索（DFS）和广度优先搜索（BFS）。这篇博客将介绍这两种图的遍历算法，并给出其实现方法和应用场景。

什么是图遍历？

图遍历（Graph Traversal）指的是访问图中所有节点（或边）的一种方法。图的遍历操作不仅需要访问每个节点，还需要确保图中的每一条边也被合适地访问过。根据遍历的顺序和方法，常见的遍历策略有两种：深度优先搜索（DFS）和广度优先搜索（BFS）。

图的基本表示

在谈到图的遍历之前，我们先简要回顾一下图的常见表示方法。常见的图表示有两种：

1. 邻接矩阵（Adjacency Matrix） ：用一个二维数组 adj[i][j] 来表示从节点 i 到节点 j 是否有边。适用于边数较多的图。

2. 邻接表（Adjacency List）：用一个链表或向量来存储每个节点的邻接节点。适用于稀疏图。

深度优先搜索（DFS）

定义

深度优先搜索（DFS）是一种优先遍历图的子节点的遍历方式。它的基本思想是：从一个起始节点出发，尽可能深入地访问未访问的节点，直到没有更多未访问的邻接节点为止，然后回溯到上一个节点，继续尝试访问其他邻接节点。

步骤

1. 从起始节点开始访问，标记为已访问。

2. 递归地访问该节点的所有未访问的邻接节点。

3. 如果一个节点的所有邻接节点都已访问，回溯到父节点。

实现代码（C++）

#include <iostream>
#include <vector>
using namespace std;

vector<vector<int>> graph;
vector<bool> visited;

void dfs(int node) {
    visited[node] = true;  // 标记节点为已访问
    cout << node << " ";    // 访问当前节点
    
    // 遍历所有邻接节点
    for (int neighbor : graph[node]) {
        if (!visited[neighbor]) {
            dfs(neighbor);  // 递归访问未访问的邻接节点
        }
    }
}

int main() {
    int n, m;
    cin >> n >> m;  // n 为节点数，m 为边数
    
    graph.resize(n + 1);  // 初始化图
    visited.resize(n + 1, false);  // 初始化访问标记
    
    // 输入图的边
    for (int i = 0; i < m; ++i) {
        int u, v;
        cin >> u >> v;
        graph[u].push_back(v);
        graph[v].push_back(u);  // 无向图
    }
    
    // 从节点 1 开始进行 DFS 遍历
    dfs(1);
    
    return 0;
}

特点

• 空间复杂度 ：O(V)，其中 V 是图的节点数。递归调用栈的最大深度为 V。

• 时间复杂度 ：O(V + E)，其中 E 是图的边数。每个节点和边会被访问一次。

应用场景

• 路径查找：在某些应用中，如迷宫求解，可以使用 DFS 找到一条路径。

• 图的连通性：DFS 可以用来判断图是否是连通的，或者求图中的连通分量。

• 拓扑排序：在有向无环图（DAG）中，DFS 是实现拓扑排序的常用方法。

广度优先搜索（BFS）

定义

广度优先搜索（BFS）是一种层次遍历的策略，它从起始节点开始，首先访问所有与起始节点直接相连的节点，再访问这些节点的邻接节点，以此类推，直到遍历整个图。BFS 使用队列来实现。

步骤

1. 从起始节点开始访问，标记为已访问。

2. 将该节点的所有未访问的邻接节点加入队列。

3. 从队列中取出一个节点，访问它的邻接节点，并将它们加入队列。

4. 重复步骤3，直到队列为空。

实现代码（C++）

#include <iostream>
#include <vector>
#include <queue>
using namespace std;

vector<vector<int>> graph;
vector<bool> visited;

void bfs(int start) {
    queue<int> q;
    visited[start] = true;
    q.push(start);
    
    while (!q.empty()) {
        int node = q.front();
        q.pop();
        cout << node << " ";  // 访问当前节点
        
        // 将未访问的邻接节点加入队列
        for (int neighbor : graph[node]) {
            if (!visited[neighbor]) {
                visited[neighbor] = true;
                q.push(neighbor);
            }
        }
    }
}

int main() {
    int n, m;
    cin >> n >> m;  // n 为节点数，m 为边数
    
    graph.resize(n + 1);  // 初始化图
    visited.resize(n + 1, false);  // 初始化访问标记
    
    // 输入图的边
    for (int i = 0; i < m; ++i) {
        int u, v;
        cin >> u >> v;
        graph[u].push_back(v);
        graph[v].push_back(u);  // 无向图
    }
    
    // 从节点 1 开始进行 BFS 遍历
    bfs(1);
    
    return 0;
}

特点

• 空间复杂度 ：O(V)，队列存储了最坏情况下所有节点。

• 时间复杂度 ：O(V + E)，每个节点和边都会被访问一次。

应用场景

• 最短路径问题：在无权图中，BFS 用来寻找从起始节点到目标节点的最短路径。

• 层次遍历：BFS 能够按层次遍历图，适合用于层次分析。

• 图的广度分析：BFS 可用于分析图的所有邻接关系。

DFS 与 BFS 的比较

特性	DFS	BFS
遍历方式	深入到子节点再回溯	按层次逐层访问
使用的数据结构	栈（递归调用栈或显式栈）	队列
时间复杂度	O(V + E)	O(V + E)
空间复杂度	O(V)	O(V)
应用场景	路径查找、拓扑排序、连通性	最短路径、层次遍历

总结

图的遍历是图论中的基本操作，DFS 和 BFS 各有特点。DFS 更适合用于需要深入探索子节点的场景，而 BFS 更适合层次遍历或寻找最短路径的场景。理解这两种遍历方法及其应用场景，能够帮助我们更好地解决图相关的问题。

希望这篇博客能够帮助你理解图的遍历方法，掌握 DFS 和 BFS 的实现，并能够在实际问题中灵活应用。