Breadth-First Search (BFS) og Dybde-første søgning (DFS) er to grundlæggende algoritmer, der bruges til at krydse eller søge i grafer og træer. Denne artikel dækker den grundlæggende forskel mellem Breadth-First Search og Depth-First Search.

Forskellen mellem BFS og DFS
Breadth-First Search (BFS) :
BFS, Breadth-First Search, er en toppunktsbaseret teknik til at finde den korteste vej i grafen. Den bruger en Produktion:
A, B, C, D, E, F>
Kode:
C++ #include #include using namespace std; // This class represents a directed graph using adjacency // list representation class Graph { int V; // No. of vertices // Pointer to an array containing adjacency lists list * adj; public: Graph(int V); // Konstruktør // funktion til at tilføje en kant til grafen void addEdge(int v, int w); // udskriver BFS-traversal fra en given kilde s void BFS(int s); }; Graph::Graph(int V) { this->V = V; adj = ny liste [V]; } void Graph::addEdge(int v, int w) { adj[v].push_back(w); // Tilføj w til vs liste. } void Graph::BFS(int s) { // Marker alle hjørnerne som ikke besøgt bool* visited = new bool[V]; for (int i = 0; i< V; i++) visited[i] = false; // Create a queue for BFS list kø; // Marker den aktuelle node som besøgt og sæt den besøgte i kø[s] = sand; kø.push_back(er); // 'i' vil blive brugt til at få alle tilstødende hjørner af en // vertex liste ::iterator i; // Opret en mapping fra heltal til tegn char map[6] = { 'A', 'B', 'C', 'D', 'E', 'F ' }; while (!queue.empty()) { // Sæt et vertex i kø fra køen og udskriv det s = queue.front(); cout<< map[s] << ' '; // Use the mapping to print // the original label queue.pop_front(); // Get all adjacent vertices of the dequeued vertex // s If a adjacent has not been visited, then mark // it visited and enqueue it for (i = adj[s].begin(); i != adj[s].end(); ++i) { if (!visited[*i]) { queue.push_back(*i); visited[*i] = true; } } } } int main() { // Create a graph given in the diagram /* A / B C / / D E F */ Graph g(6); g.addEdge(0, 1); g.addEdge(0, 2); g.addEdge(1, 3); g.addEdge(2, 4); g.addEdge(2, 5); cout << 'Breadth First Traversal is: '; g.BFS(0); // Start BFS from A (0) return 0; }>
Python from collections import deque # This class represents a directed graph using adjacency list representation class Graph: def __init__(self, V): self.V = V # No. of vertices self.adj = [[] for _ in range(V)] # Adjacency lists # Function to add an edge to graph def addEdge(self, v, w): self.adj[v].append(w) # Add w to v’s list # Prints BFS traversal from a given source s def BFS(self, s): # Mark all the vertices as not visited visited = [False] * self.V # Create a queue for BFS queue = deque() # Mark the current node as visited and enqueue it visited[s] = True queue.append(s) # Create a mapping from integers to characters mapping = ['A', 'B', 'C', 'D', 'E', 'F'] while queue: # Dequeue a vertex from queue and print it s = queue.popleft() # Use the mapping to print the original label print(mapping[s], end=' ') # Get all adjacent vertices of the dequeued vertex s # If an adjacent has not been visited, then mark it visited # and enqueue it for i in self.adj[s]: if not visited[i]: queue.append(i) visited[i] = True if __name__ == '__main__': # Create a graph given in the diagram # A # / # B C # / / # D E F g = Graph(6) g.addEdge(0, 1) g.addEdge(0, 2) g.addEdge(1, 3) g.addEdge(2, 4) g.addEdge(2, 5) print('Breadth First Traversal is: ', end='') g.BFS(0) # Start BFS from A (0)>
JavaScript // This class represents a directed graph using adjacency list representation class Graph { constructor(V) { this.V = V; // No. of vertices this.adj = new Array(V).fill(null).map(() =>[]); // Array of adjacency lists } // Funktion til at tilføje en kant til grafen addEdge(v, w) { this.adj[v].push(w); // Tilføj w til vs liste. } // Funktion til at udføre BFS-traversal fra en given kilde s BFS(s) { // Marker alle hjørnerne som ikke besøgt lad besøgt = new Array(this.V).fill(false); // Opret en kø for BFS lad køen = []; // Marker den aktuelle node som besøgt og sæt den besøgte i kø[s] = sand; queue.push(s); // Mapping fra heltal til tegn lad map = ['A', 'B', 'C', 'D', 'E', 'F']; while (queue.length> 0) { // Sæt et vertex i kø fra køen og udskriv det s = queue.shift(); console.log(map[s] + ' '); // Brug kortlægningen til at udskrive den originale etiket // Hent alle tilstødende hjørner af det udkøede vertex s // Hvis et tilstødende ikke er blevet besøgt, så marker det besøgt // og sæt det i kø for (lad i af this.adj[s ]) { if (!besøgt[i]) { queue.push(i); besøgt[i] = sand; } } } } } // Hovedfunktion funktion main() { // Lav en graf givet i diagrammet /* A / B C / / D E F */ lad g = new Graph(6); g.addEdge(0, 1); g.addEdge(0, 2); g.addEdge(1, 3); g.addEdge(2, 4); g.addEdge(2, 5); console.log('Bredth First Traversal er: '); g.BFS(0); // Start BFS fra A (0) } // Kør hovedfunktionen main();>
Produktion
Breadth First Traversal is: A B C D E F>
Depth First Search (DFS) :
DFS, Dybde første søgning , er en kantbaseret teknik. Den bruger Produktion:
A, B, C, D, E, F>
Forskellen mellem BFS og DFS:
Parametre | BFS | DFS |
---|---|---|
Står for | BFS står for Breadth First Search. | DFS står for Depth First Search. |
Datastruktur | BFS (Bredth First Search) bruger Queue-datastruktur til at finde den korteste vej. | DFS (Depth First Search) bruger stak datastruktur. |
Definition | BFS er en traversal tilgang, hvor vi først går gennem alle noder på samme niveau, før vi går videre til næste niveau. | DFS er også en traversal tilgang, hvor traversen begynder ved rodknudepunktet og fortsætter gennem knudepunkterne så langt som muligt, indtil vi når knudepunktet uden ubesøgte nærliggende knudepunkter. |
Begrebsmæssig forskel | BFS bygger træet niveau for niveau. | DFS bygger træet undertræ for undertræ. |
Anvendelse | Det fungerer efter konceptet FIFO (First In First Out). | Det fungerer efter konceptet LIFO (Last In First Out). |
Egnet til | BFS er mere velegnet til at søge hjørner tættere på den givne kilde. | DFS er mere velegnet, når der er løsninger væk fra kilden. |
Ansøgninger | BFS bruges i forskellige applikationer såsom todelte grafer, korteste veje osv. | DFS bruges i forskellige applikationer såsom acykliske grafer og at finde stærkt forbundne komponenter osv. |
Se venligst også BFS vs DFS for binært træ for forskellene for en binær trægennemgang.