Algorithm 我必须用BFS实现邻接矩阵吗？

我正在尝试使用队列实现BFS算法，我不想为了学习而寻找任何在线代码。我所做的只是遵循算法并尝试实现它。我有一个关于邻接矩阵（图的数据结构）的问题

我知道一种常见的图形数据结构是邻接矩阵。所以，我这里的问题是，我必须实现邻接矩阵和BFS算法，还是不重要

我真的很困惑。 让我困惑的事情之一是图形数据，如果没有数据结构，这些数据应该存储在哪里

---

诚恳地说，

广度优先搜索假设您有某种方式来表示正在使用的图形结构，其效率取决于您选择的表示方式，但您不必使用邻接矩阵。BFS的许多实现都以某种方式隐式表示了图形（例如，作为存储迷宫的2D数组或某种游戏），并且运行良好。您还可以使用邻接列表，这对我们在BFS中特别有效

---

您将要编写的特定代码将取决于图形的表示方式，但不要感到必须以一种方式执行。选择最适合您的应用程序的选项。

广度优先搜索假设您有某种方式来表示正在使用的图形结构，其效率取决于您选择的表示方式，但您不必使用邻接矩阵。BFS的许多实现都以某种方式隐式表示了图形（例如，作为存储迷宫的2D数组或某种游戏），并且运行良好。您还可以使用邻接列表，这对我们在BFS中特别有效

---

您将要编写的特定代码将取决于图形的表示方式，但不要感到必须以一种方式执行。选择最适合您的应用程序的数据结构。

选择数据结构的最佳方法是操作。手头有一个完整的操作列表，评估对问题很重要的实现wrt标准：空间、速度、代码大小等

对于BFS，操作非常简单：

Set<Node> getSources(Graph graph) // all in graph with no in-edges
Set<Node> getNeighbors(Node node) // all reachable from node by out-edges

Set-getSources（Graph-Graph）//无in边的all-in图
Set getneighbories（Node Node）//所有可通过out-edges从节点访问的节点

现在，我们可以根据n=节点数来评估图形数据结构选项：

• 邻接矩阵：
  • getSources是O（n^2）时间
  • GetNeights是O（n）时间
• 邻接列表向量（单独）：
  • getSources是O（n）时间
  • GetNeights是O（1）时间
• 邻接列表的“聪明”向量：
  • getSources是O（1）时间
  • GetNeights是O（1）时间

聪明之处在于在构建图时维护源集，因此成本通过边插入进行摊销。即，在创建节点时，将其添加到源列表中，因为它没有输出边。添加边时，从源集中删除“到”节点

---

现在，您可以根据运行时做出明智的选择。对于空间、简单性或任何其他需要考虑的因素，也要这样做。然后选择并实现。

选择数据结构的最佳方法是操作。手头有一个完整的操作列表，评估对问题很重要的实现wrt标准：空间、速度、代码大小等

对于BFS，操作非常简单：

Set<Node> getSources(Graph graph) // all in graph with no in-edges
Set<Node> getNeighbors(Node node) // all reachable from node by out-edges

Set-getSources（Graph-Graph）//无in边的all-in图
Set getneighbories（Node Node）//所有可通过out-edges从节点访问的节点

现在，我们可以根据n=节点数来评估图形数据结构选项：

• 邻接矩阵：
  • getSources是O（n^2）时间
  • GetNeights是O（n）时间
• 邻接列表向量（单独）：
  • getSources是O（n）时间
  • GetNeights是O（1）时间
• 邻接列表的“聪明”向量：
  • getSources是O（1）时间
  • GetNeights是O（1）时间

聪明之处在于在构建图时维护源集，因此成本通过边插入进行摊销。即，在创建节点时，将其添加到源列表中，因为它没有输出边。添加边时，从源集中删除“到”节点

---

现在，您可以根据运行时做出明智的选择。对于空间、简单性或任何其他需要考虑的因素，也要这样做。然后选择并实施。

尝试邻接列表。

pop_back

的返回类型是

void

。而不是编辑你的问题问一些根本不同的问题，然后拒绝回答，我建议在这里问一个全新的问题。试试邻接列表。

pop_back

的返回类型是

void

。我建议在这里问一个全新的问题，而不是编辑你的问题来问一些根本不同的问题，然后不接受答案。