广度优先搜索不使用队列

广度 首先，Look (BFS) 是一种图表遍历计算，用于研究图表中广度运动中的中心。 BFS 的正常使用利用线路信息结构来跟踪即将到来的集线器。无论如何，可以想象在不使用明确线路的情况下利用其他信息结构来执行 BFS。

在没有线路的情况下实现 BFS 的一种可选方法是利用两个集群或记录：一个用于正在调查的当前级别的集线器，另一个用于要调查的下一级集线器。起初，当前级别列表包含源中心。

计算首先强调当前级别列表并转到每个集线器。对于每个经过的枢纽，其相邻的枢纽都会受到检查。如果未访问相邻的集线器，则将其标记为已访问并添加到其他级别列表中。该句柄将继续进行，直到当前级别列表中的所有集线器都经过为止。

一旦当前级别列表完全遍历完毕，计算将继续到另一个级别列表，并重新哈希前往集线器并检修下一个级别列表的方法。此准备工作将持续进行，直到不再有未访问的节点为止。

使用的方法

广度优先方法

广度优先方法

BFS 算法从源集线器开始，调查其邻居，最近又转移到另一级别的邻居。使用线路信息结构来跟踪您访问的枢纽。在每个周期中，计算都会访问一个集线器，将其标记为已完成，并对未访问的相邻集线器进行排队。此准备工作将持续进行，直到所有可到达的中心都被访问为止。

代码初始化一个向量 adj 来表示图表的传染性列表。向量的每个文件都与一个中心进行比较，每个记录的值包含相邻的中心。 BFS 遍历由 BFS 工作执行，它采用源集线器、集线器数量 N、经过集线器的向量 vis、单独的 dp 以及用于跟踪要访问的集线器的向量 v。 bfsTraversal 工作初始化已消失的集线器并删除向量，然后调用 BFS 工作来执行遍历。

算法

• 创建图表的传染列表表示形式。

• 初始化一行来存储要访问的集线器。

• 初始化消失集群以跟踪消失节点。

  

  H5自适应企业网站源码1.0.1

  H5自适应企业网站源码是一套非常优秀的asp自适应企业网站源码，这套源码有很多优秀的功能，也是很多企业网站所不具备的。H5自适应企业网站源码使用asp+access搭建，运行环境要求windows+IIS。网站前台是动态页面，不过网址URL已经做了伪静态处理，URL的格式都是.html结尾，对搜索引擎也比较友好。H5自适应企业网站源码的一个亮点功能就是会员等级制度及权限划分功能，普通会员栏目发布的

  下载

• 初始化删除集群以在每个集线器上存储从源集线器删除的内容。将源集线器的分隔符设置为0。

• 将源集线器排入队列并检查其是否已访问。

• 虽然管线不可净化，但请执行以下操作：

• 删除队列头部的集线器。对于已出队且尚未遍历的每个邻居集线器，请执行以下操作： 将相邻集​​线器排队。将相邻的枢纽标记为已访问。将邻居集线器删除更新为出队集线器删除（也是 1）。

• 重复步骤 6，直到该行为空。

• BFS 遍历完成后，单独的集群将包含从源节点到图中所有其他中心的间隔。

• （可选）您还可以在 BFS 遍历中跟踪每个集线器的父集线器，以便以最简单的方式从源集线器到所有其他集线器。

示例

#include 
#include 
#include 
using namespace std;

void bfsTraversal(int adjacencyList[][2], int numVertices, int source) {
   bool visited[numVertices + 1] = {false};
   int distances[numVertices + 1] = {0};

   queue vertices;
   vertices.push(source);
   visited[source] = true;

   while (!vertices.empty()) {
      int node = vertices.front();
      cout << node << ", ";
      vertices.pop();

      for (int i = 0; i < 2; i++) {
         int next = adjacencyList[node][i];
            
         if (!visited[next]) {
            vertices.push(next);
            distances[next] = distances[node] + 1;
            visited[next] = true;
         }
      }
   }
}

int main() {
    int adjacencyList[][2] = {{0, 0}, {1, 2}, {3, 4}, {0, 0}, {0, 0}};
    int numVertices = 4;
    int source = 2;

    bfsTraversal(adjacencyList, numVertices, source);

    return 0;
}

输出

2,3,4,0

示例

#include 
#include 
using namespace std;

void bfsTraversal(vector>& adjacencyList, int N, int source) {
    vector visited(N + 1, false);
    vector distances(N + 1, 0);
    vector vertices;

    vertices.push_back(source);
    visited[source] = true;

    int curr = 0;
    while (curr < vertices.size()) {
        int node = vertices[curr];
        cout << node << ", ";

        for (int i = 0; i < adjacencyList[node].size(); i++) {
            int next = adjacencyList[node][i];

            if (!visited[next]) {
                vertices.push_back(next);
                distances[next] = distances[node] + 1;
                visited[next] = true;
            }
        }

        curr++;
    }

    cout << "\nDistances from source " << source << ":\n";
    for (int i = 1; i <= N; i++) {
        cout << "Node " << i << ": " << distances[i] << endl;
    }
}

int main() {
    int N = 8;
    vector> adjacencyList(N + 1);
    adjacencyList[0] = {1, 2};
    adjacencyList[1] = {2};
    adjacencyList[2] = {0, 3};
    adjacencyList[3] = {3};
    adjacencyList[4] = {5};
    adjacencyList[5] = {6, 7};
    adjacencyList[6] = {};
    adjacencyList[7] = {};
    adjacencyList[8] = {};

    int source = 5;

    bfsTraversal(adjacencyList, N, source);

    return 0;
}

输出

5, 6, 7, 
Distances from source 5:
Node 1: 0
Node 2: 0
Node 3: 0
Node 4: 0
Node 5: 0
Node 6: 1
Node 7: 1
Node 8: 0

结论

本文对不使用行信息结构的广度优先查找 (BFS) 计算进行了说明。 BFS 计算通常用于从给定的源中心开始以逐级方式导航图表。通常，一条线路用于存储要前往的枢纽。无论如何，本文研究了一种可选方法，该方法利用基本列表或集群来存储下一级的集线器。

这种选择性的使用完成了图表的广度优先研究。本文追溯了 BFS 计算的步骤，例如初始化传染性记录、维护 go-to 和分离簇以及使用圆圈来强调中心级别。它还提供了 C 代码说明，说明了不使用一行的 BFS 遍历。该代码准确地研究图表，打印 BFS 遍历排列，并计算从源集线器到所有其他节点的距离。总的来说，本文在不使用线条的情况下对 BFS 计算进行了清晰的说明和可行的用法，展示了一种以广度优先的方式导航图表的可选方法。