当前位置: 首页 > news >正文

算法讲解8:搜索之bfs(广度优先)

搜索:穷尽所有的可能找到最优解,或统计和法解的个数

分类:dfs,bfs

特点:有多种优化方式,如减小状态空间,更改搜索顺序,剪枝等

对于bfs,每次都先处理该层图层

例题:

题目描述

小 A 有一棵 n 个结点的树,这些结点依次以 1,2,⋯,n 标号。

小 A 想在这棵树上漫步。具体来说,小 A 会从树上的某个结点出发,每一步可以移动到与当前结点相邻的结点,并且小 A 只会在偶数步(可以是零步)后结束漫步。

现在小 A 想知道,对于树上的每个结点,从这个结点出发开始漫步,经过偶数步能结束漫步的结点有多少个(可以经过重复的节点)。

输入格式

第一行,一个正整数 n。

接下来 n−1 行,每行两个整数 ui​,vi​,表示树上有⼀条连接结点 ui​ 和结点 vi​ 的边。

输出格式

一行,n 个整数。第 i 个整数表示从结点 i 出发开始漫步,能结束漫步的结点数量。

输入输出样例

输入 #1复制

3 1 3 2 3

输出 #1复制

2 2 1
import java.util.*;//一次性等于使用所有util的 //树是二分图(无奇环),任意两点的路径长度奇偶性固定 //需要二分 //- 同层节点(如偶-偶、奇-奇):层数差为0(偶数)→ 路径长度必为偶数; //- 异层节点(如偶-奇):层数差为1(奇数)→ 路径长度必为奇数; public class p11962 { static List<List<Integer>> adj;//邻接表 static int[] color; static int cnt0,cnt1;//静态修饰的默认为0 public static void main(String[] args) { Scanner sc = new Scanner(System.in); int n = sc.nextInt(); adj = new ArrayList<>();//对邻接表的初始化 for (int i = 0; i <= n; i++) adj.add(new ArrayList<>());//每次循环给外层列表adj添加一个新的空arraylist,整体是邻接表的内层初始化 for (int i = 0; i < n-1; i++) { int u = sc.nextInt(), v = sc.nextInt(); adj.get(u).add(v);//节点u的相邻节点包含v adj.get(v).add(u);//就相当于一切的基础,相当于1棵树,不过两者相互连结需要在后面用 if (color[v] == -1)来保持正常 } color = new int[n+1]; Arrays.fill(color, -1);//将数组中所有的元素都初始化为-1 bfs(1); // 从节点1开始染色 // 输出每个节点的结果 for (int i = 1; i <= n; i++) { System.out.print((color[i] == 0 ? cnt0 : cnt1) + " "); }//color[i]=0说明是偶数分组,该组有几个就输出几个 //color=0 说明当前节点属于“偶层分组”,而偶层分组的所有节点,都能通过偶数步到达当前节点 //color=1 时,输出的是 cnt1 ——因为 color=1 表示当前节点属于“奇层分组”,该分组的所有节点都能通过偶数步到达当前节点, // cnt1 正是这个分组的总节点数。 } static void bfs(int start) {//广度优先搜索 Queue<Integer> q = new LinkedList<>(); q.add(start);//1.队列的作用:维持“待处理节点”顺序,确保先处理父节点、再处理子节点(符合树的层级遍历逻辑); color[start] = 0; cnt0++; while (!q.isEmpty()) {//队列不为空就持续染色 int u = q.poll();//取出头部,poll是取出并移除 for (int v : adj.get(u)) {//adj.u代表的是与节点u相邻的所有节点,整体上市遍历节点u相邻的所有节点后赋值给v if (color[v] == -1) {//保证只能被染色一次,想想之前输入的时候队adj做的,想象树从上往下找,这行代码就杜绝从下往上的可能 color[v] = color[u] ^ 1; // 0^1=1,1^1=0---v一定与u相邻,这行本质上就是,给v和u相反的颜色 if (color[v] == 0) cnt0++;//计数 else cnt1++; q.add(v);//这个队列在for循环的时候一直加 } } } } }
http://www.cnnetsun.cn/news/167434.html

相关文章:

  • 痞子衡嵌入式:16MB以上NOR Flash地址模式切换会造成软复位后i.MXRT无法正常启动
  • 爬山算法:无需微积分的机器学习之旅
  • 【Ctfer训练计划】——命令执行的解题技巧(持续更新中)
  • CTF wed安全(攻防世界)练习题
  • CTF进阶解题,掌握这套框架+技巧就够了!
  • Vue面试中,经常会被问到的面试题/Vue知识点整理,收藏这篇就够了
  • 复习2——线程(pthread)
  • 【DPFSP问题】基于matlab鳄鱼伏击算法CAOA求解分布式置换流水车间调度DPFSP【含Matlab源码 14744期】
  • 格雷厄姆特价股票策略在新能源行业的应用挑战
  • 毕业论文写不下去?百考通AI平台,一句话生成完整初稿,助你高效通关!
  • 【NWFSP问题】鳄鱼伏击算法CAOA求解零等待流水车间调度问题NWFSP【含Matlab源码 14745期】
  • 还在手动回复希音咨询?RPA+AI自动客服,效率提升30倍![特殊字符]
  • AI应用开发全景图:从LLM到Agent的硬核指南!这些大模型核心概念你必须懂
  • 揭秘Open-AutoGLM如何实现毫秒级快递轨迹更新:技术架构全解析
  • 换个角度看境外支付系统:警惕金融风险之安全测试实践
  • Home-Assistant智能家居平台搭建与远程控制
  • 盲盒小程序定制案例|轻松打造专属盲盒乐园
  • 【Open-AutoGLM快递轨迹追踪实战】:掌握AI驱动物流监控的5大核心技术
  • 【Open-AutoGLM酒店比价实战】:揭秘AI驱动的实时价格监控系统核心技术
  • requirements.txt配置踩坑实录,99%新手都会忽略的5个关键包
  • Open-AutoGLM部署效率提升10倍?你不可错过的Docker优化策略
  • 收藏!非技术党也能玩转大模型:10大行业落地指南+可复制提示词模板
  • Hugging Face下载Open-AutoGLM太慢怎么办?资深工程师推荐4种加速方案
  • 【专家级调优建议】:提升Open-AutoGLM ModelScope镜像运行效率的7种方法
  • 多进程相关函数
  • 持续集成中的测试策略:构建高效质量保障体系
  • 什么是持续集成CI,与DevOps关系
  • 结构类算法题
  • 为什么你的Open-AutoGLM部署总失败?Docker最佳实践全解析
  • Open-AutoGLM安装总失败?深度解析Python依赖树中的隐藏陷阱