Breadth-First Search (BFS) och Depth-First Search (DFS) är två grundläggande algoritmer som används för att korsa eller söka i grafer och träd. Den här artikeln tar upp den grundläggande skillnaden mellan Breadth-First Search och Depth-First Search.

Skillnaden mellan BFS och DFS
Breadth-First Search (BFS) :
BFS, Breadth-First Search, är en vertexbaserad teknik för att hitta den kortaste vägen i grafen. Den använder en Produktion:
A, B, C, D, E, F>
Koda:
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); // Constructor // funktion för att lägga till en kant till grafen void addEdge(int v, int w); // skriver ut BFS-traversal från en given källa s void BFS(int s); }; Graph::Graph(int V) { this->V = V; adj = ny lista [V]; } void Graph::addEdge(int v, int w) { adj[v].push_back(w); // Lägg till w till vs lista. } void Graph::BFS(int s) { // Markera alla hörn som ej besökta bool* visited = new bool[V]; för (int i = 0; i< V; i++) visited[i] = false; // Create a queue for BFS list kö; // Markera den aktuella noden som besökt och ställ den i kö[s] = sant; queue.push_back(s); // 'i' kommer att användas för att få alla angränsande hörn av en // vertexlista ::iterator i; // Skapa en mappning från heltal till tecken char map[6] = { 'A', 'B', 'C', 'D', 'E', 'F ' }; while (!queue.empty()) { // Ta ut en vertex från kön och skriv ut den 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; }>
Pytonorm 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 för att lägga till en kant till grafen addEdge(v, w) { this.adj[v].push(w); // Lägg till w till vs lista. } // Funktion för att utföra BFS-traversal från en given källa s BFS(s) { // Markera alla hörn som ej besökta låt besökta = new Array(this.V).fill(false); // Skapa en kö för BFS let queue = []; // Markera den aktuella noden som besökt och ställ den besökte i kö[s] = sant; queue.push(s); // Mappning från heltal till tecken låter mappa = ['A', 'B', 'C', 'D', 'E', 'F']; while (queue.length> 0) { // Ta ut en vertex från kön och skriv ut den s = queue.shift(); console.log(map[s] + ' '); // Använd mappningen för att skriva ut den ursprungliga etiketten // Hämta alla intilliggande hörn av det köade hörnet s // Om en angränsande inte har besökts, markera den som besökt // och ställ den i kö för (låt i av this.adj[s ]) { if (!besökt[i]) { queue.push(i); besökt[i] = sant; } } } } } // Huvudfunktionsfunktion main() { // Skapa en graf som ges i diagrammet /* A / B C / / D E F */ let 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 är: '); g.BFS(0); // Starta BFS från A (0) } // Kör huvudfunktionen main();>
Produktion
Breadth First Traversal is: A B C D E F>
Depth First Search (DFS) :
DFS, Djup första sökning , är en kantbaserad teknik. Den använder Produktion:
A, B, C, D, E, F>
Skillnaden mellan BFS och DFS:
Parametrar | BFS | DFS |
---|---|---|
Står för | BFS står för Breadth First Search. | DFS står för Depth First Search. |
Datastruktur | BFS (Bredth First Search) använder ködatastruktur för att hitta den kortaste vägen. | DFS (Depth First Search) använder stackdatastruktur. |
Definition | BFS är en genomgångsmetod där vi först går igenom alla noder på samma nivå innan vi går vidare till nästa nivå. | DFS är också en traversering där traversen börjar vid rotnoden och fortsätter genom noderna så långt som möjligt tills vi når noden utan obesökta närliggande noder. |
Konceptuell skillnad | BFS bygger trädet nivå för nivå. | DFS bygger trädets underträd för underträd. |
Tillvägagångssätt används | Det fungerar på konceptet FIFO (First In First Out). | Det fungerar på konceptet LIFO (Last In First Out). |
Lämplig för | BFS är mer lämpligt för att söka hörn närmare den givna källan. | DFS är mer lämpligt när det finns lösningar borta från källan. |
Ansökningar | BFS används i olika applikationer som tvådelade grafer, kortaste vägar, etc. | DFS används i olika applikationer som acykliska grafer och att hitta starkt sammankopplade komponenter etc. |
Se också BFS vs DFS för binärt träd för skillnaderna för en binär trädgenomgång.