Java算法之BFS,DFS,动态规划和贪心算法的实现_开发_开发者

开发者 https://www.devze.com 2023-04-07 10:39 出处：网络作者：亮点菌

目录前言广度优先搜索深度优先搜索动态规划贪心总结前言广度优先搜索（BFS）和深度优先搜索（DFS）是图遍历算法中最常见的两种算法，主要用于解决搜索和遍历问题。动态规划和贪心算法则用来解决优化问题。

前言

广度优先搜索（BFS）和深度优先搜索（DFS）是图遍历算法中最常见的两种算法，主要用于解决搜索和遍历问题。动态规划和贪心算法则用来解决优化问题。

广度优先搜索

广度优先搜索算法是一种遍历或搜索树或图的算法，它从根节点开始搜索并逐层向下扩展，直到找到目标状态或所有节点都被遍历。BFS通常使用队列来实现，它每次将下一个节点放入队列中，直到所有的节点都被访问。

下面是一个Java实现：

public void bfs(Node start) {
    Queue<Node> queue = new LinkedList<>();
    Set<Node> visited = new HashSet<>();

    queue.offer(start);
    visited.add(start);

    while (!queue.isEmpty()) {
        Node node = queue.poll();
        System.out.print(node.val + " ");

        for (Node neighbor : node.neighbors) {maJNUrG
            if (!visited.contains(neighbor)) {
                visited.add(neighbor);
                queue.offer(neighbor);
            }
        }
    }
}

深度优先搜索

深度优先搜索算法是一种遍历或搜索树或图的算法，它从根节点开始递归地遍历所有子树，直到找到目标状态或所有节点都被遍历。DFS通常使用栈来实现，它每次将下一个节点压入栈中，直到所有的节点都被访问。

下面是一个Java实现：

public void dfs(Node node, Set<Node> visited) {
    System.out.print(node.val + " ");
    visited.add开发者_Python(node);

    for (Node neighbor : node.neighbors) {
        if (!visited.contains(neighbor)) {
            dfs(neighbor, visited);
        }
    }
}

动态规划

动态规划算法（DP）是一种解决问题的方法，它用来解决重叠子问题和最优子结构问题。DP通常用来解决优化问题，例如最短路径问题、背包问题等。

下面是一个Java实现：

public int knapsack(int[] weights, int[] values, int capacity) {
    int n = weights.length;
    int[][] dp = new int[n + 1][capacity + 1];

    for (int i = 1; i <= n; i++) {
        for (int j = 1; j <= capacity; j++) {
            if (weights[i - 1] <= j) {
                dp[i][j] = Math.max(dp[i - 1][j], dp[i - 1][j - weights[i - 1]] + values[i - 1]);
            } else {
                dp[i][j] = dp[i - 1][j];
            }
        }
    }

    return dp[n][capacity];
}

贪心

贪心算法是一种解决优化问题的方法，它总是选择当前最优解。与动态规划不同，贪心算法并没有考虑所有的子问题，而是只看当前的最优解。

下面是一个Java实现：

public int knapsack(int[] weights, int[] values, int capacity) {
    int n = weights.length;
    Item[] items = new Item[n];

    for (int i = 0; i < n; i++) {
        items[i] = new Item(weights[i], values[i]);
    }

    Arrays.sort(items, (a, b) -> b.valuePerWeight - a.valuePerWeight);

    int totalValue = 0;
    int remainingCapacity = capacity;

    for (Item item : items) {
        if (remainingCapacity >= item.weight) {
            totalValue += item.value;
            remainingCapacity -= item.weight;
        } else {
            total编程客栈Value += item.valuePerWeight * remainingCapacity;
            break;
        }
    }

    return totalValue;
http://www.devze.com}

class Item {
    int weight;
    int value;
    int valuePerWeight;

    public Item(int weight, int value) {
        this.weight = weight;
        this.value = value;
        this.valuePerWeight = value / weight;
    }
}