位置：首页-资讯-后端开发

Java算法之BFS,DFS,动态规划和贪心算法的实现

2023-05-14 17:59

短信预约 -IT技能 免费直播动态提醒

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) {
            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(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 {
            totalValue += item.valuePerWeight * remainingCapacity;
            break;
        }
    }

    return totalValue;
}

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

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