图算法详解：BFS与DFS深度解析-CSDN博客

本文链接：https://blog.csdn.net/m0_56945100/article/details/132077966

本文详细介绍了图的两种搜索算法——广度优先搜索(BFS)和深度优先搜索(DFS)，包括算法介绍、性质、边的分类以及在拓扑排序和判断图中是否有环等问题上的应用。BFS适用于计算最短路径，DFS常用于找路径和判断环。文章还探讨了两种算法的时间复杂度和空间复杂度，以及在邻接表和邻接矩阵存储方式下的差异。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、图的存储

对于图 $G=\left ( V,E \right )$ 有两种存储方式。

邻接表：倾向于稀疏图（边的条数 $\left | E \right |$ 远远小于 $\left | V \right |^{2}$ 的图）时选择。存储空间： $\Theta \left ( V+E \right )$ 。

邻接矩阵：倾向于稠密图（边的条数 $\left | E \right |$ 接近 $\left | V \right |^{2}$ 的图）时选择。存储空间： $\Theta \left ( V^{2} \right )$ 。

邻接链表无法快速判断一条边 $\left ( u,v \right )$ 是否是图中的一条边，邻接矩阵则可以，但是邻接矩阵存储空间消耗更高。

有向图的转置操作： $G=\left ( V,E \right )$ 的转置图 $G^{T}=\left ( V,E^{T} \right )$ ，是将图 $G$ 的所有边方向反过来。

（1）若图以邻接表形式存储，时间复杂度： $O\left ( V+E\right )$ 。

（2）若图以邻接矩阵形式存储，时间复杂度： $O\left ( V^{2} \right )$ 。

二、广度优先搜索（BFS）

1、BFS算法介绍

Prim的最小生成树算法和Dijkstra的单源最短路径算法都使用了类似广度优先搜索的思想。给定图 $G$ 和一个可识别源结点 $s$ ，BFS可以计算从源结点到每个可到达的结点的距离（最少的边数），同时生成一棵广度优先搜索树。在广度优先搜索树里从结点 $s$ 到结点 $v$ 的简单路径所对应的就是图 $G$ 中从结点 $s$ 到结点 $v$ 的最短路径，即包含最少边数的路径。该算法总是在发现所有距离源结点 $s$ 为 $k$ 的所有结点后才会发现距离源结点 $s$ 为 $k+1$ 的其他结点。

染色:在广度优先搜索过程中，在概念上将每个结点涂上白色、灰色或黑色。所有结点一开始均涂上白色。在算法运行过程中，结点被发现则颜色会发生改变。如果边 $\left ( u,v \right )$ 中，结点 $u$ 是黑色，则 $v$ 不是黑色就是灰色。也即，与黑色结点邻接的结点都已被发现。对于灰色结点来说，其邻接结点中可能存在未被发现的白色结点。灰色结点所代表的就是已知和未知两个集合的边界。

下面给出BFS在邻接表中的算法伪代码（我们将每个结点 $u$ 的颜色存放在属性 $u.color$ 中，将 $u$ 的前驱结点/父结点存放在属性 $u.\pi$ 中（记录路径），将BFS计算出的从源结点 $s$ 到 $u$ 的距离存放在属性 $u.d$ 中，若 $u$ 从 $s$ 不可达，则 $u.d=\infty$ 。该算法用队列 $Q$ 存放灰色结点）：

BFS（ $G$ ， $s$ ）

1       for each vertex $u\in G.V-\left \{ s \right \}$

2                $u.color=$ WHITE

3                $u.d=\infty$

4                $u.\pi=$ NIL

5        $s.color=$ GRAY

6        $s.d=0$

7        $s.\pi=$ NIL

8        $Q=\varnothing$

9        ENQUEUE( $Q,s$ )

10      while $Q\neq \varnothing$

11               $u=$ DEQUEUE( $Q$ )

12               for each $v\in G.Adj[u]$

13                        if $v.color==$ WHITE

14                                $v.color=$ GRAY

15                                $v.d=u.d+1$

16                                $v.\pi=u$

17                                ENQUEUE( $Q,v$ )

18               $u.color=$ BLACK

解释：1至8行进行初始化，第9行将源结点 $s$ 入队（ENQUEUE为入队操作）；10至18行进行while循环直至队列为空（无灰色结点）。该循环不断从队列中取出结点 $u$ （DEQUEUE出队操作），检查其邻接结点集合 $G.Adj[u]$ 。若其邻接结点 $v$ 为白色（未被发现），则涂灰，其距离属性 $v.d$ 为 $u.d+1$ ， $v$ 的父结点为 $u$ ，将 $v$ 入队。直到 $u$ 的所有邻接节点都被发现，则其颜色标位黑色。

举例：

时间复杂度：邻接表存储： $O\left ( V+E\right )$ ；邻接矩阵存储： $O\left ( V^{2} \right )$ 。

分析（采用聚合分析）：初始化操作 $O\left ( V \right )$ ，每个结点入队出队最多一次，故入队出队操作总代价 $O\left ( V \right )$ ，for循环的总次数不超过边数（但是这里需要注意，对于不同的存储方式，遍历邻接边的代价不同，邻接表为 $O\left ( E\right )$ ，邻接矩阵为 $O\left ( V^{2} \right )$ ）。则对于图的邻接表存储，广度优先搜索的代价为 $O\left ( V\right )+O\left (E \right )=O\left ( V+E \right )$ ；对于邻接矩阵为 $O\left ( V\right )+O\left (V^{2} \right )=O\left (V ^{2} \right )$ 。

2、引理和推论

下面我们将给出证明BFS正确性的一些引理和推论：

引理2.1：给定