news 2026/4/16 17:16:39

图的模板总结(简单版)

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
图的模板总结(简单版)

一、深度搜索dfs和广度搜索bfs

  • dfs是可一个方向去搜,不到黄河不回头,直到遇到绝境了,搜不下去了,再换方向(换方向的过程就涉及到了回溯)。
  • bfs是先把本节点所连接的所有节点遍历一遍,走到下一个节点的时候,再把连接节点的所有节点遍历一遍,搜索方向更像是广度,四面八方的搜索过程。

问“最短” → BFS
问“有没有环” → DFS
问“连通区域” → DFS
问“是否能到达” → BFS/DFS 都行
多源同时扩散 → 多源 BFS
要找所有路径/组合 → DFS

1.BFS模板

q.add(start)
while(q非空):
遍历当前层
扩散到下一层

以腐烂的橘子为例(多源)

// 固定:方向数组(如果是网格 BFS) int[][] dirs = {{1,0},{-1,0},{0,1},{0,-1}}; // 固定:队列结构 Queue<int[]> q = new LinkedList<>(); // 可变:根据题意加入起点(单源 BFS 只有一个) q.offer(new int[]{startX, startY}); // 固定:标记 visited,防止重复访问 boolean[][] vis = new boolean[m][n]; vis[startX][startY] = true; // 固定:开始 BFS 四层模板 int steps = 0; while (!q.isEmpty()) { // 固定:按层遍历(求最短步数必需) int size = q.size(); while (size-- > 0) { // 固定:取出队头 int[] cur = q.poll(); int x = cur[0], y = cur[1]; // 可变:题意相关逻辑(例如判断是否到达目标) // if (grid[x][y] == TARGET) return steps; // 固定:扩散到四个方向 for (int[] d : dirs) { int nx = x + d[0]; int ny = y + d[1]; // 可变:边界条件、障碍条件、题目特判 if (nx < 0 || nx >= m || ny < 0 || ny >= n) continue; if (vis[nx][ny]) continue; // if (grid[nx][ny] == '#') continue; // 按题意定义障碍 // 固定:入队 + 标记访问 vis[nx][ny] = true; q.offer(new int[]{nx, ny}); } } // 固定:每扩散一层, steps++ steps++; }

固定步骤:

1.新建队列

2.visit数组防重复访问

3.层序遍历框架

int size = q.size(); while (size-- > 0) { ... } steps++;

4.四个方向扩散

需要根据题目改变的地方:

1. 初始入队的点(单源 / 多源)

2. 访问条件,比如:边界,grid[x][y] == 0/1/2,不能访问障碍,可以访问某个点

3. 到达目标时的处理

4. 返回值含义(最短步数 or 是否可达 or 最大层数)

如果是单源,那么就直接把这个点入队就行

q.offer(new int[]{startX, startY}); vis[startX][startY] = true;

如果是多源,那么就要for循环遍历所有的点

for (int[] src : sources) { q.offer(src); vis[src[0]][src[1]] = true; }

2.DFS模板

岛屿数量

dfs(x):
if(不能继续) return
标记访问
dfs(邻居)

void dfs(int x, int y) { // 可变:越界判断 / 终止条件 if (x < 0 || x >= m || y < 0 || y >= n) return; if (grid[x][y] != '1') return; // 固定:标记为已访问 grid[x][y] = '2'; // 或 vis[x][y] = true // 固定:四方向递归 DFS dfs(x + 1, y); dfs(x - 1, y); dfs(x, y + 1); dfs(x, y - 1); }

固定步骤:

1. 函数结构(传坐标/节点)

2. 递归调用自身

3. 标记访问

需要根据题目改变的地方:

1. 终止条件根据题目不同:越界,遇到障碍,遇到已访问过的点,符合某个条件停止

2. 标记方式

3. 图的结构 网格(四方向),树,图(邻接表)

4. 返回值

图的结构

void dfs(TreeNode root) { if (root == null) return; dfs(root.left); dfs(root.right); }

图(检测环)

boolean dfs(int x) { if (color[x] == 1) return true; // 找到环 if (color[x] == 2) return false; color[x] = 1; for (int y : g[x]) { if (dfs(y)) return true; } color[x] = 2; return false; }

二、拓扑排序

课程表

public int[] topoSort(int numCourses, int[][] prerequisites) { // 固定:构造图的邻接表 List<Integer>[] g = new ArrayList[numCourses]; Arrays.setAll(g, i -> new ArrayList<>()); // 固定:统计所有节点的入度 indegree[] int[] indegree = new int[numCourses]; // 可变:根据题目加入边信息 // prerequisites[i] = {a, b} 意味 b -> a for (int[] p : prerequisites) { int a = p[0], b = p[1]; g[b].add(a); indegree[a]++; } // 固定:队列存储所有入度为 0 的节点 Queue<Integer> q = new LinkedList<>(); for (int i = 0; i < numCourses; i++) { if (indegree[i] == 0) q.offer(i); } // 固定:拓扑序存放结果 int[] order = new int[numCourses]; int idx = 0; // 固定:BFS 弹出入度为 0 的点,并降低邻接点入度 while (!q.isEmpty()) { int x = q.poll(); order[idx++] = x; for (int y : g[x]) { indegree[y]--; if (indegree[y] == 0) q.offer(y); } } // 可变:根据题意返回不同的内容 // 这里如果 idx < numCourses 说明有环,无法完成 if (idx < numCourses) return new int[0]; // 有环 return order; }

固定步骤:

1.构造邻接表
2. indegree 数组
3.入度为 0 进队列
4.队列 BFS
5.拉出节点 → 降低其邻接节点的入度
6.入度减到 0 再进队列

需要根据题目改变的地方:

1.边方向,先干嘛后干嘛

2.返回内容

三、前缀树

从二叉树到多叉树

以实现Trie前缀树为例

class Trie { private static class Node { Node[] son = new Node[26]; // 固定:表示 26 个字母 boolean end; // 固定:这个节点是否是某个单词的结尾 } private final Node root = new Node(); // 固定:根节点 // 插入单词(固定模板) public void insert(String word) { Node cur = root; for (char c : word.toCharArray()) { c -= 'a'; if (cur.son[c] == null) { cur.son[c] = new Node(); } cur = cur.son[c]; } cur.end = true; } // 查找完整单词(固定模板) public boolean search(String word) { Node t = find(word); return t != null && t.end; } // 查找前缀(固定模板) public boolean startsWith(String prefix) { return find(prefix) != null; } // 根据字符串找到最后一个节点(核心固定) private Node find(String word) { Node cur = root; for (char c : word.toCharArray()) { c -= 'a'; if (cur.son[c] == null) return null; cur = cur.son[c]; } return cur; } }
版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/4/8 9:17:04

Youtu-2B多端适配:移动端优化部署策略

Youtu-2B多端适配&#xff1a;移动端优化部署策略 1. 背景与挑战&#xff1a;轻量级大模型的移动化需求 随着大语言模型&#xff08;LLM&#xff09;在自然语言理解、代码生成和逻辑推理等任务中的广泛应用&#xff0c;如何将高性能模型部署到资源受限的终端设备上&#xff0…

作者头像 李华
网站建设 2026/4/16 16:08:31

Qwen2.5-0.5B翻译质量:多语言互译效果对比

Qwen2.5-0.5B翻译质量&#xff1a;多语言互译效果对比 1. 技术背景与评测目标 随着全球化业务的快速发展&#xff0c;高质量的多语言互译能力已成为大语言模型的核心竞争力之一。阿里云推出的 Qwen2.5 系列模型在多语言支持方面表现突出&#xff0c;官方宣称其支持超过 29 种…

作者头像 李华
网站建设 2026/4/16 13:08:03

SGLang-v0.5.6实战教程:实现带重试机制的API调用链

SGLang-v0.5.6实战教程&#xff1a;实现带重试机制的API调用链 1. 引言 1.1 学习目标 本文将带领读者基于 SGLang v0.5.6 实现一个具备重试机制的结构化 API 调用链&#xff0c;适用于复杂任务编排场景。通过本教程&#xff0c;你将掌握&#xff1a; 如何使用 SGLang 的 DS…

作者头像 李华
网站建设 2026/4/16 11:02:37

AI图像修复未来趋势:自研模型前必须掌握的基础实战

AI图像修复未来趋势&#xff1a;自研模型前必须掌握的基础实战 1. 引言&#xff1a;AI超清画质增强的技术演进与实践价值 随着数字内容的爆炸式增长&#xff0c;低质量图像在社交媒体、安防监控、历史档案等场景中广泛存在。传统的插值放大方法&#xff08;如双线性、双三次&…

作者头像 李华
网站建设 2026/4/16 11:02:35

verl采样优化:提高数据利用效率的分布式策略

verl采样优化&#xff1a;提高数据利用效率的分布式策略 1. verl 介绍 verl 是一个灵活、高效且可用于生产环境的强化学习&#xff08;RL&#xff09;训练框架&#xff0c;专为大型语言模型&#xff08;LLMs&#xff09;的后训练设计。它由字节跳动火山引擎团队开源&#xff…

作者头像 李华
网站建设 2026/4/16 10:57:55

4种YOLOv8部署方式测评:哪种最适合生产环境?

4种YOLOv8部署方式测评&#xff1a;哪种最适合生产环境&#xff1f; 1. 引言 1.1 选型背景 随着计算机视觉技术的快速发展&#xff0c;目标检测在工业质检、智能安防、零售分析等场景中扮演着越来越关键的角色。YOLO&#xff08;You Only Look Once&#xff09;系列作为实时…

作者头像 李华