数据结构课程设计——图的广度优先遍历
数据结构课程设计题目
题目1：图的遍历功能：实现图的深度优先, 广度优先遍历算法，并输出原图结构及遍历结果。
分步实施：1) 初步完成总体设计，搭好框架；2)完成最低要求：两种必须都要实现，写出画图的思路；3)进一步要求：画出图的结构，有兴趣的同学可以进一步改进图的效果。
要求：1）界面友好，函数功能要划分好2）总体设计应画一流程图3）程序要加必要的注释4)要提供程序测试方案5)程序一定要经得起测试，宁可功能少一些，也要能运行起来，不能运行的程序是没有价值的。
题目2：n维矩阵乘法：A B－1功能：设计一个矩阵相乘的程序，首先从键盘输入两个矩阵a，b的内容，并输出两个矩阵，输出ab－1结果。
分步实施：1）初步完成总体设计，搭好框架，确定人机对话的界面，确定函数个数；2）完成最低要求：建立一个文件，可完成2维矩阵的情况；3）一步要求：通过键盘输入维数n。
有兴趣的同学可以自己扩充系统功能。
要求：1）界面友好，函数功能要划分好2）总体设计应画一流程图3）程序要加必要的注释4）要提供程序测试方案5）程序一定要经得起测试，宁可功能少一些，也要能运行起来，不能运行的程序是没有价值的。
题目3：数组应用功能：按照行优先顺序将输入的数据建成4维数组，再按照列优先顺序输出结果，给出任意处的元素值，并给出对应的一维数组中的序号。
分步实施：1．初步完成总体设计，搭好框架，确定人机对话的界面，确定函数个数；2．完成最低要求：完成第一个功能；3．进一步要求：进一步完成后续功能。
有兴趣的同学可以自己扩充系统功能。
要求：1）界面友好，函数功能要划分好2）总体设计应画一流程图3）程序要加必要的注释4）要提供程序测试方案5）程序一定要经得起测试，宁可功能少一些，也要能运行起来，不能运行的程序是没有价值的。
题目4：数组应用2功能：读入数组下标，求出数组A靠边元素之和；求从A[0][0]开始的互不相邻的各元素之和；当m=n时，分别求两条对角线上的元素之和，否则打印出m!=n的信息。
数据结构实验报告图的遍历讲解
数据结构实验报告图的遍历讲解一、引言在数据结构实验中，图的遍历是一个重要的主题。
图是由顶点集合和边集合组成的一种数据结构，常用于描述网络、社交关系等复杂关系。
图的遍历是指按照一定的规则，挨次访问图中的所有顶点，以及与之相关联的边的过程。
本文将详细讲解图的遍历算法及其应用。
二、图的遍历算法1. 深度优先搜索（DFS）深度优先搜索是一种常用的图遍历算法，其基本思想是从一个顶点出发，沿着一条路径向来向下访问，直到无法继续为止，然后回溯到前一个顶点，再选择此外一条路径继续访问。
具体步骤如下：（1）选择一个起始顶点v，将其标记为已访问。
（2）从v出发，选择一个未被访问的邻接顶点w，将w标记为已访问，并将w入栈。
（3）如果不存在未被访问的邻接顶点，则出栈一个顶点，继续访问其它未被访问的邻接顶点。
（4）重复步骤（2）和（3），直到栈为空。
2. 广度优先搜索（BFS）广度优先搜索是另一种常用的图遍历算法，其基本思想是从一个顶点出发，挨次访问其所有邻接顶点，然后再挨次访问邻接顶点的邻接顶点，以此类推，直到访问完所有顶点。
具体步骤如下：（1）选择一个起始顶点v，将其标记为已访问，并将v入队。
（2）从队首取出一个顶点w，访问w的所有未被访问的邻接顶点，并将这些顶点标记为已访问，并将它们入队。
（3）重复步骤（2），直到队列为空。
三、图的遍历应用图的遍历算法在实际应用中有广泛的应用，下面介绍两个典型的应用场景。
1. 连通分量连通分量是指图中的一个子图，其中的任意两个顶点都是连通的，即存在一条路径可以从一个顶点到达另一个顶点。
图的遍历算法可以用来求解连通分量的个数及其具体的顶点集合。
具体步骤如下：（1）对图中的每一个顶点进行遍历，如果该顶点未被访问，则从该顶点开始进行深度优先搜索或者广度优先搜索，将访问到的顶点标记为已访问。
（2）重复步骤（1），直到所有顶点都被访问。
2. 最短路径最短路径是指图中两个顶点之间的最短路径，可以用图的遍历算法来求解。
采用邻接表存储结构实现图的广度优先遍历。
精心整理课程设计题目九：图的广度优先遍历基本要求：采用邻接表存储结构实现图的广度优先遍历。
（2）对任意给定的图（顶点数和边数自定），建立它的邻接表并输出；（3）实现图的广度优先遍历*/#include<iostream.h>#include<stdio.h>#include<malloc.h>#defineMAX_NUM20intvisited[MAX_NUM]={0};typedefintVertexType;typedefenum{DG=1,UDG}GraphKind;typedefstructArcNode{intadjvex;intweight;structArcNode*nextarc;ArcNode*info;}ArcNode;typedefstructVNode{VertexTypedata;ArcNode*firstarc;}VNode,AdjList[MAX_NUM];typedefstruct{AdjListvertices;intvexnum,arcnum;GraphKindkind;}ALGraph;voidPRIN(ALGraph&G);voidCreat_adjgraph(ALGraph&G);voidbfs(ALGraph&G,intv);voidCreat_adjgraphDG(ALGraph&G);voidCreat_adjgraphUDG(ALGraph&G);voidCreat_adjgraph(ALGraph&G);voidCreat_adjgraphDG(ALGraph&G){inti,s,d;ArcNode*p=NULL,*q=NULL;G.kind=DG;printf("请输入顶点数和边数：");scanf("%d%d",&G.vexnum,&G.arcnum);for(i=0;i<G.vexnum;++i){printf("第%d个顶点信息：",i+1);scanf("%d",&G.vertices[i].data);G.vertices[i].firstarc=NULL;}for(i=0;i<G.arcnum;++i){printf("第%d条边的起始顶点编号和终止顶点编号：",i+1);scanf("%d%d",&s,&d);while(s<1||s>G.vexnum||d<1||d>G.vexnum){printf("编号超出范围，重新输入");scanf("%d%d",&s,&d);}s--;d--;p=new(ArcNode);p->adjvex=d;p->nextarc=G.vertices[s].firstarc;G.vertices[s].firstarc=p;}}voidCreat_adjgraphUDG(ALGraph&G){inti,s,d;ArcNode*p,*q;G.kind=UDG;printf("请输入顶点数和边数：");scanf("%d%d",&G.vexnum,&G.arcnum);for(i=0;i<G.vexnum;++i){printf("第%d个顶点信息：",i+1);scanf("%d",&G.vertices[i].data);G.vertices[i].firstarc=NULL;}for(i=0;i<G.arcnum;++i){printf("第%d条边的起始顶点编号和终止顶点编号：",i+1);scanf("%d%d",&s,&d);while(s<1||s>G.vexnum||d<1||d>G.vexnum){printf("编号超出范围，重新输入");scanf("%d%d",&s,&d);}s--;d--;p=new(ArcNode);p->adjvex=d;p->nextarc=G.vertices[s].firstarc;G.vertices[s].firstarc=p;q=new(ArcNode);q->adjvex=s;q->nextarc=G.vertices[d].firstarc;G.vertices[d].firstarc=q;}}voidPRIN(ALGraph&G){inti;ArcNode*p;if(G.kind==DG||G.kind==UDG){for(i=0;i<G.vexnum;++i){printf("V%d:",G.vertices[i].data);p=G.vertices[i].firstarc;while(p!=NULL){printf("%d\t",p->adjvex+1);p=p->nextarc;}printf("\n");}}}voidbfs(ALGraph&G,intv){v--;ArcNode*p;intqueue[MAX_NUM],front=0,rear=0;intw,i;for(i=0;i<G.vexnum;i++)visited[i]=0;printf("%4d",v+1);visited[v]=1;rear=(rear+1)%MAX_NUM;queue[rear]=v;while(front!=rear){front=(front+1)%MAX_NUM;w=queue[front];p=G.vertices[w].firstarc;while(p!=NULL){if(visited[p->adjvex]==0){printf("%3d",p->adjvex+1);visited[p->adjvex]=1;rear=(rear+1)%MAX_NUM;queue[rear]=p->adjvex;}p=p->nextarc;}}printf("\n");}voidCreat_adjgraph(ALGraph&G){printf("1：有向图2：无向图\n");printf("请根据上述提示输入图的类型：");scanf("%d",&G.kind);switch(G.kind){caseDG:Creat_adjgraphDG(G);PRIN(G);break;caseUDG:Creat_adjgraphUDG(G);PRIN(G);break;default:printf("ERROR");break;}}voidmain(){ALGraphG;Creat_adjgraph(G);printf("\n");printf("广度优先搜索遍历序列为：\n");bfs(G,1);printf("\n");}。
数据结构实验报告图的遍历
数据结构实验报告图的遍历一、实验目的本实验旨在通过实践的方式学习图的遍历算法，掌握图的深度优先搜索（DFS）和广度优先搜索（BFS）的实现方法，加深对数据结构中图的理解。
二、实验步骤1. 创建图的数据结构首先，我们需要创建一个图的数据结构，以方便后续的操作。
图可以使用邻接矩阵或邻接表来表示，这里我们选择使用邻接矩阵。
class Graph:def__init__(self, num_vertices):self.num_vertices = num_verticesself.adj_matrix = [[0] * num_vertices for _ in range(num_vertic es)]def add_edge(self, v1, v2):self.adj_matrix[v1][v2] =1self.adj_matrix[v2][v1] =1def get_adjacent_vertices(self, v):adjacent_vertices = []for i in range(self.num_vertices):if self.adj_matrix[v][i] ==1:adjacent_vertices.append(i)return adjacent_vertices2. 深度优先搜索（DFS）DFS是一种遍历图的算法，其基本思想是从图的某一顶点开始，沿着一条路径一直走到最后，然后返回尚未访问过的顶点继续遍历，直到所有顶点都被访问过为止。
def dfs(graph, start_vertex):visited = [False] * graph.num_verticesstack = [start_vertex]while stack:vertex = stack.pop()if not visited[vertex]:print(vertex)visited[vertex] =Truefor neighbor in graph.get_adjacent_vertices(vertex):if not visited[neighbor]:stack.append(neighbor)3. 广度优先搜索（BFS）BFS同样是一种遍历图的算法，其基本思想是从图的某一顶点开始，首先访问其所有邻接点，然后再依次访问邻接点的邻接点，直到所有顶点都被访问过为止。
深度与广度优先搜索：迷宫问题
《数据结构课程设计》报告题目：深度与广度优先搜索--迷宫问题专业计算机科学与技术学生姓名李柏班级B计算机115学号1110704512指导教师巩永旺完成日期2013年1月11日目录1简介 (1)2算法说明 (1)3测试结果 (3)4分析与探讨 (7)5小结 (9)附录 (10)附录1 源程序清单 (10)迷宫问题1 简介1、图的存储结构图的存储结构又称图的表示，其最常用的方法是邻接矩阵和邻接表。
无论采用什么存储方式，其目标总是相同的，既不仅要存储图中各个顶点的信息，同时还要存储顶点之间的所有关系。
2、图的遍历图的遍历就是从指定的某个顶点（称其为初始点）出发，按照一定的搜索方法对图中的所有顶点各做一次访问过程。
根据搜索方法不同，遍历一般分为深度优先搜索遍历和广度优先搜索遍历。
本实验中用到的是广度优先搜索遍历。
即首先访问初始点v i，并将其标记为已访问过，接着访问v i的所有未被访问过的邻接点，顺序任意，并均标记为已访问过，以此类推，直到图中所有和初始点v i有路径相通的顶点都被访问过为止。
鉴于广度优先搜索是将所有路径同时按照顺序遍历，直到遍历出迷宫出口，生成的路径为最短路径。
因此我们采用了广度优先搜索。
无论是深度优先搜索还是广度优先搜索，其本质都是将图的二维顶点结构线性化的过程，并将当前顶点相邻的未被访问的顶点作为下一个顶点。
广度优先搜索采用队列作为数据结构。
本实验的目的是设计一个程序，实现手动或者自动生成一个n×m矩阵的迷宫，寻找一条从入口点到出口点的通路。
具体实验内容如下：选择手动或者自动生成一个n×m的迷宫，将迷宫的左上角作入口，右下角作出口，设“0”为通路，“1”为墙，即无法穿越。
假设一只老鼠从起点出发，目的为右下角终点，可向“上、下、左、右、左上、左下、右上、右下”8个方向行走。
如果迷宫可以走通，则用“■”代表“1”，用“□”代表“0”，用“☆”代表行走迷宫的路径。
输出迷宫原型图、迷宫路线图以及迷宫行走路径。
数据结构课程设计python
数据结构课程设计python一、课程目标知识目标：1. 理解数据结构的基本概念，掌握常用数据结构如列表、元组、字典和集合的特点及应用场景。
2. 学习并掌握栈和队列的操作原理及其在Python中的实现方法。
3. 掌握树和图的基本概念，了解二叉树、遍历算法及图的表示方法。
技能目标：1. 能够运用Python语言实现基本数据结构，并对其进行增、删、改、查等操作。
2. 能够利用栈和队列解决实际问题，如递归、函数调用栈、任务调度等。
3. 能够运用树和图解决实际问题，如查找算法、路径规划等。
情感态度价值观目标：1. 培养学生严谨的逻辑思维，提高分析问题和解决问题的能力。
2. 激发学生对数据结构和算法的兴趣，培养良好的编程习惯。
3. 引导学生认识到数据结构在实际应用中的重要性，增强学习热情和责任感。
课程性质：本课程为高年级数据结构课程，旨在使学生掌握Python语言实现数据结构的方法，提高编程能力和解决问题的能力。
学生特点：学生具备一定的Python编程基础，具有较强的逻辑思维能力，对数据结构有一定的了解。
教学要求：结合实际案例，采用任务驱动法，引导学生通过实践掌握数据结构的基本原理和应用方法。
注重培养学生的动手能力和团队协作精神，提高学生的综合素质。
通过本课程的学习，使学生能够具备独立设计和实现小型项目的能力。
二、教学内容1. 数据结构基本概念：介绍数据结构的概念、作用和分类，结合Python语言特点，分析各类数据结构在实际应用中的优势。
- 列表、元组、字典和集合的原理与应用- 栈与队列的操作原理及实现2. 线性表：讲解线性表的概念，重点掌握顺序表和链表的操作方法。
- 顺序表和链表的实现及操作- 线性表的查找和排序算法3. 树与二叉树：介绍树的基本概念，重点讲解二叉树的结构及其遍历算法。
- 树的基本概念和表示方法- 二叉树的性质、存储结构、遍历方法4. 图：讲解图的基本概念，掌握图的存储结构及遍历方法。
- 图的基本概念和表示方法- 图的遍历算法（深度优先搜索、广度优先搜索）- 最短路径和最小生成树算法5. 算法分析与设计：结合实例，分析算法性能，掌握基本的算法设计方法。
数据结构课设——有向图的深度、广度优先遍历及拓扑排序
数据结构课设——有向图的深度、⼴度优先遍历及拓扑排序任务：给定⼀个有向图，实现图的深度优先, ⼴度优先遍历算法，拓扑有序序列，并输出相关结果。
功能要求：输⼊图的基本信息，并建⽴图存储结构（有相应提⽰），输出遍历序列，然后进⾏拓扑排序，并测试该图是否为有向⽆环图，并输出拓扑序列。
按照惯例，先上代码，注释超详细：#include<stdio.h>#include<stdlib.h>#include<malloc.h>#pragma warning(disable:4996)#define Max 20//定义数组元素最⼤个数（顶点最⼤个数）typedef struct node//边表结点{int adjvex;//该边所指向结点对应的下标struct node* next;//该边所指向下⼀个结点的指针}eNode;typedef struct headnode//顶点表结点{int in;//顶点⼊度char vertex;//顶点数据eNode* firstedge;//指向第⼀条边的指针，边表头指针}hNode;typedef struct//邻接表（图）{hNode adjlist[Max];//以数组的形式存储int n, e;//顶点数，边数}linkG;//以邻接表的存储结构创建图linkG* creat(linkG* g){int i, k;eNode* s;//边表结点int n1, e1;char ch;g = (linkG*)malloc(sizeof(linkG));//申请结点空间printf("请输⼊顶点数和边数：");scanf("%d%d", &n1, &e1);g->n = n1;g->e = e1;printf("顶点数：%d 边数：%d\n", g->n, g->e);printf("请输⼊顶点信息（字母）：");getchar();//因为接下来要输⼊字符串，所以getchar⽤于承接上⼀条命令的结束符for (i = 0; i < n1; i++){scanf("%c", &ch);g->adjlist[i].vertex = ch;//获得该顶点数据g->adjlist[i].firstedge = NULL;//第⼀条边设为空}printf("\n打印顶点下标及顶点数据：\n");for (i = 0; i < g->n; i++)//循环打印顶点下标及顶点数据{printf("顶点下标：%d 顶点数据：%c\n", i, g->adjlist[i].vertex);}getchar();int i1, j1;//相连接的两个顶点序号for (k = 0; k < e1; k++)//建⽴边表{printf("请输⼊对<i,j>（空格分隔）：");scanf("%d%d", &i1, &j1);s = (eNode*)malloc(sizeof(eNode));//申请边结点空间s->adjvex = j1;//边所指向结点的位置，下标为j1s->next = g->adjlist[i1].firstedge;//将当前s的指针指向当前顶点上指向的结点g->adjlist[i1].firstedge = s;//将当前顶点的指针指向s}return g;//返回指针g}int visited[Max];//标记是否访问void DFS(linkG* g, int i)//深度优先遍历{eNode* p;printf("%c ", g->adjlist[i].vertex);visited[i] = 1;//将已访问过的顶点visited值改为1p = g->adjlist[i].firstedge;//p指向顶点i的第⼀条边while (p)//p不为NULL时（边存在）{if (visited[p->adjvex] != 1)//如果没有被访问DFS(g, p->adjvex);//递归}p = p->next;//p指向下⼀个结点}}void DFSTravel(linkG* g)//遍历⾮连通图{int i;printf("深度优先遍历;\n");//printf("%d\n",g->n);for (i = 0; i < g->n; i++)//初始化为0{visited[i] = 0;}for (i = 0; i < g->n; i++)//对每个顶点做循环{if (!visited[i])//如果没有被访问{DFS(g, i);//调⽤DFS函数}}}void BFS(linkG* g, int i)//⼴度优先遍历{int j;eNode* p;int q[Max], front = 0, rear = 0;//建⽴顺序队列⽤来存储，并初始化printf("%c ", g->adjlist[i].vertex);visited[i] = 1;//将已经访问过的改成1rear = (rear + 1) % Max;//普通顺序队列的话，这⾥是rear++q[rear] = i;//当前顶点（下标）队尾进队while (front != rear)//队列⾮空{front = (front + 1) % Max;//循环队列，顶点出队j = q[front];p = g->adjlist[j].firstedge;//p指向出队顶点j的第⼀条边while (p != NULL){if (visited[p->adjvex] == 0)//如果未被访问{printf("%c ", g->adjlist[p->adjvex].vertex);visited[p->adjvex] = 1;//将该顶点标记数组值改为1rear = (rear + 1) % Max;//循环队列q[rear] = p->adjvex;//该顶点进队}p = p->next;//指向下⼀个结点}}}void BFSTravel(linkG* g)//遍历⾮连通图{int i;printf("⼴度优先遍历：\n");for (i = 0; i < g->n; i++)//初始化为0{visited[i] = 0;}for (i = 0; i < g->n; i++)//对每个顶点做循环{if (!visited[i])//如果没有被访问过{BFS(g, i);//调⽤BFS函数}}}//因为拓扑排序要求⼊度为0，所以需要先求出每个顶点的⼊度void inDegree(linkG* g)//求图顶点⼊度{eNode* p;int i;for (i = 0; i < g->n; i++)//循环将顶点⼊度初始化为0{g->adjlist[i].in = 0;}for (i = 0; i < g->n; i++)//循环每个顶点{p = g->adjlist[i].firstedge;//获取第i个链表第1个边结点指针while (p != NULL)///当p不为空（边存在）{g->adjlist[p->adjvex].in++;//该边终点结点⼊度+1p = p->next;//p指向下⼀个边结点}printf("顶点%c的⼊度为：%d\n", g->adjlist[i].vertex, g->adjlist[i].in);}void topo_sort(linkG *g)//拓扑排序{eNode* p;int i, k, gettop;int top = 0;//⽤于栈指针的下标索引int count = 0;//⽤于统计输出顶点的个数int* stack=(int *)malloc(g->n*sizeof(int));//⽤于存储⼊度为0的顶点for (i=0;i<g->n;i++)//第⼀次搜索⼊度为0的顶点{if (g->adjlist[i].in==0){stack[++top] = i;//将⼊度为0的顶点进栈}}while (top!=0)//当栈不为空时{gettop = stack[top--];//出栈,并保存栈顶元素（下标）printf("%c ",g->adjlist[gettop].vertex);count++;//统计顶点//接下来是将邻接点的⼊度减⼀，并判断该点⼊度是否为0p = g->adjlist[gettop].firstedge;//p指向该顶点的第⼀条边的指针while (p)//当p不为空时{k = p->adjvex;//相连接的顶点（下标）g->adjlist[k].in--;//该顶点⼊度减⼀if (g->adjlist[k].in==0){stack[++top] = k;//如果⼊度为0，则进栈}p = p->next;//指向下⼀条边}}if (count<g->n)//如果输出的顶点数少于总顶点数，则表⽰有环{printf("\n有回路！\n");}free(stack);//释放空间}void menu()//菜单{system("cls");//清屏函数printf("************************************************\n");printf("* 1.建⽴图 *\n");printf("* 2.深度优先遍历 *\n");printf("* 3.⼴度优先遍历 *\n");printf("* 4.求出顶点⼊度 *\n");printf("* 5.拓扑排序 *\n");printf("* 6.退出 *\n");printf("************************************************\n");}int main(){linkG* g = NULL;int c;while (1){menu();printf("请选择：");scanf("%d", &c);switch (c){case1:g = creat(g); system("pause");break;case2:DFSTravel(g); system("pause");break;case3:BFSTravel(g); system("pause");break;case4:inDegree(g); system("pause");break;case5:topo_sort(g); system("pause");break;case6:exit(0);break;}}return0;}实验⽤图:运⾏结果：关于深度优先遍历 a.从图中某个顶点v 出发，访问v 。
图的遍历技巧
图的遍历技巧
图的遍历是指按照一定的规则，从图的某个顶点出发，沿着边遍历图中的所有顶点，使得每个顶点都被访问一次且仅一次的过程。
常用的图的遍历技巧有以下两种：
1. 深度优先遍历（Depth First Search, DFS）：从图的某个顶点出发，先访问该顶点，然后依次访问与该顶点相邻的未被访问过的顶点，并以此递归地进行遍历。
当不存在未被访问的相邻顶点时，回溯到上一个顶点，继续遍历其他未被访问的相邻顶点，直至所有顶点都被访问完。
2. 广度优先遍历（Breadth First Search, BFS）：从图的某个顶点出发，先访问该顶点，然后依次访问与该顶点相邻的未被访问过的顶点，并将这些顶点按照入队的顺序加入队列中。
接下来再从队列中取出一个顶点，重复前述操作，直至队列为空。
这两种遍历技巧可以分别应用于不同场景的图问题。
深度优先遍历一般适用于需要探索整个图中某一支路径的问题，而广度优先遍历一般适用于需要确定最短路径或者按层遍历的问题。
【数据结构与算法】狼、羊、菜和农夫过河：使用图的广度优先遍历实现
【数据结构与算法】狼、⽺、菜和农夫过河：使⽤图的⼴度优先遍历实现【数据结构与算法】狼、⽺、菜和农夫过河：使⽤图的⼴度优先遍历实现Java农夫需要把狼、⽺、菜和⾃⼰运到河对岸去，只有农夫能够划船，⽽且船⽐较⼩。
除农夫之外每次只能运⼀种东西。
还有⼀个棘⼿问题，就是如果没有农夫看着，⽺会偷吃菜，狼会吃⽺。
请考虑⼀种⽅法，让农夫能够安全地安排这些东西和他⾃⼰过河。
解题思路学了图论的⼴度优先遍历算法后，我们可以使⽤⼴度优先遍历的思想来完成这道题。
⾸先定义如何表达农夫、狼、⽺、菜在河的哪⼀边。
只有两种状态：1. 在河的⼀边（假设为东边）2. 在河的另⼀边（假设为西边）那么恰好可以⽤0和1来表达，任务定义如下（使⽤字符串来表达）：// ⼈狼⽺菜// 源： 0 0 0 0//⽬标： 1 1 1 1String s = "0000";String t = "1111";那接下来程序的任务就是搜索出从s到t的过程了。
那么如何转换成图论问题？我们知道，0000 代表农夫、狼、⽺、菜都在河的东边，那么下⼀种状态可以有如下⼏种选择：1. 东：空狼⽺菜 | 西：⼈空空空（农夫⾃⼰过河）2. 东：空空⽺菜 | 西：⼈狼空空（农夫带狼过河）3. 东：空狼空菜 | 西：⼈空⽺空（农夫带⽺过河）4. 东：空狼⽺空 | 西：⼈空空菜（农夫带菜过河）我们根据这个可以绘制⼀个图，顶点0000 分别与顶点1000、顶点1100、顶点1010、顶点1001有边连接；其中，根据规则在没有农夫的情况下，狼和⽺不能在⼀起，⽺和菜不能在⼀起，所以排除掉以上的1,2,4选项。
那么下⼀个状态就是 0101然后根据这个原理，再往下查找有哪些是可以的：1. 东：⼈狼空菜 | 西：空空⽺空（农夫⾃⼰过河）2. 东：⼈狼⽺菜 | 西：空空空空（农夫带⽺过河）我们根据这个也可以绘制⼀个图，顶点0101 分别与顶点0000、顶点0010有边连接；然后再根据规则进⾏查找。
算法设计：深度优先遍历和广度优先遍历
算法设计：深度优先遍历和广度优先遍历实现深度优先遍历过程1、图的遍历和树的遍历类似，图的遍历也是从某个顶点出发，沿着某条搜索路径对图中每个顶点各做一次且仅做一次访问。
它是许多图的算法的基础。
深度优先遍历和广度优先遍历是最为重要的两种遍历图的方法。
它们对无向图和有向图均适用。
注意：以下假定遍历过程中访问顶点的操作是简单地输出顶点。
2、布尔向量visited[0．．n-1]的设置图中任一顶点都可能和其它顶点相邻接。
在访问了某顶点之后，又可能顺着某条回路又回到了该顶点。
为了避免重复访问同一个顶点，必须记住每个已访问的顶点。
为此，可设一布尔向量visited[0．．n-1]，其初值为假，一旦访问了顶点Vi之后，便将visited[i]置为真。
--------------------------深度优先遍历(Depth-First Traversal)1．图的深度优先遍历的递归定义假设给定图G的初态是所有顶点均未曾访问过。
在G中任选一顶点v为初始出发点(源点)，则深度优先遍历可定义如下：首先访问出发点v，并将其标记为已访问过；然后依次从v出发搜索v的每个邻接点w。
若w未曾访问过，则以w为新的出发点继续进行深度优先遍历，直至图中所有和源点v有路径相通的顶点(亦称为从源点可达的顶点)均已被访问为止。
若此时图中仍有未访问的顶点，则另选一个尚未访问的顶点作为新的源点重复上述过程，直至图中所有顶点均已被访问为止。
图的深度优先遍历类似于树的前序遍历。
采用的搜索方法的特点是尽可能先对纵深方向进行搜索。
这种搜索方法称为深度优先搜索(Depth-First Search)。
相应地，用此方法遍历图就很自然地称之为图的深度优先遍历。
2、深度优先搜索的过程设x是当前被访问顶点，在对x做过访问标记后，选择一条从x出发的未检测过的边(x，y)。
若发现顶点y已访问过，则重新选择另一条从x出发的未检测过的边，否则沿边(x，y)到达未曾访问过的y，对y访问并将其标记为已访问过；然后从y开始搜索，直到搜索完从y出发的所有路径，即访问完所有从y出发可达的顶点之后，才回溯到顶点x，并且再选择一条从x出发的未检测过的边。
图的深度广度优先遍历C语言程序
scanf("%d",&L->num);
printf("请输入各顶点的信息(单个符号）：");
for(i=0;i<L->num;i++)
{
fflush(stdin);
scanf("%c",&L->vexs[i]);
}
printf("请输入边权矩阵的信息：");
{ *e=sq.data[(sq.front)]; return 1;}
}
/*******************************************************************பைடு நூலகம்*********/
int QueueIn (SEQQUEUE *sq,DATATYPE x)
for(v2=0;v2<g.num;v2++)
{
if(g.arcs[v1][v2]!=0&&mark[v2]==0)
{
QueueIn(&q,v2);
mark[v2]=1;
printf("%c ",g.vexs[v2]);
}
}
//如果顺序循环队列sq为空，成功返回1，否则返回0
{
if (sq.rear==sq.front)
return(1);
else
return(0);
}
/*****************************************************************************/
dfs和bfs的遍历方法
dfs和bfs的遍历方法DFS和BFS的遍历方法一、引言在计算机科学中，图是一种非常重要的数据结构。
图由节点（顶点）和边组成，节点表示对象，边表示节点之间的关系。
图可以用来解决很多实际问题，例如路线规划、社交网络分析等。
在图的遍历中，DFS（深度优先搜索）和BFS（广度优先搜索）是两种常用的方法。
它们分别从图中的一个节点出发，按照不同的顺序遍历图中的所有节点。
本文将详细介绍DFS和BFS的遍历方法，包括其原理、算法实现和应用场景。
二、DFS的遍历方法DFS是一种先序遍历的方法，其基本原理是从图中的一个节点开始，沿着一条路径尽可能深地遍历，直到无法继续深入为止，然后回溯到上一个节点，选择另一条路径继续遍历，直到所有节点都被访问过为止。
DFS的算法实现可以使用递归或者栈。
下面是使用递归实现DFS的伪代码：```function DFS(node):if node is visited:returnvisit(node)mark node as visitedfor each adjacent node of node:DFS(adjacent node)```在DFS的遍历过程中，需要一个visited数组用于记录节点是否被访问过，避免重复访问。
DFS的时间复杂度为O(V+E)，其中V为节点数，E为边数。
DFS的应用场景包括图的连通性判断、拓扑排序等。
例如，在社交网络中，可以使用DFS遍历用户之间的关系，找出两个用户之间的最短路径。
三、BFS的遍历方法BFS是一种层次遍历的方法，其基本原理是从图中的一个节点开始，先访问其所有的邻居节点，然后再依次访问邻居节点的邻居节点，直到所有节点都被访问过为止。
BFS的算法实现可以使用队列。
下面是使用队列实现BFS的伪代码：```function BFS(start_node):create an empty queueenqueue start_node into the queuemark start_node as visitedwhile the queue is not empty:current_node = dequeue from the queuevisit(current_node)for each adjacent node of current_node:if adjacent node is not visited:mark adjacent node as visitedenqueue adjacent node into the queue```在BFS的遍历过程中，同样需要一个visited数组用于记录节点是否被访问过。
图的遍历算法实验报告
图的遍历算法实验报告
《图的遍历算法实验报告》
在计算机科学领域，图的遍历算法是一种重要的算法，它用于在图数据结构中
访问每个顶点和边。
图的遍历算法有两种常见的方法：深度优先搜索（DFS）
和广度优先搜索（BFS）。
在本实验中，我们将对这两种算法进行实验，并比较
它们的性能和应用场景。
首先，我们使用深度优先搜索算法对一个简单的无向图进行遍历。
通过实验结
果可以看出，DFS算法会首先访问一个顶点的所有邻居，然后再递归地访问每
个邻居的邻居，直到图中所有的顶点都被访问到。
这种算法在一些应用场景中
非常有效，比如寻找图中的连通分量或者寻找图中的环路。
接下来，我们使用广度优先搜索算法对同样的无向图进行遍历。
通过实验结果
可以看出，BFS算法会首先访问一个顶点的所有邻居，然后再按照距离递增的
顺序访问每个邻居的邻居。
这种算法在一些应用场景中也非常有效，比如寻找
图中的最短路径或者寻找图中的最小生成树。
通过对比实验结果，我们可以发现DFS和BFS算法各自的优势和劣势。
DFS算
法适合用于寻找图中的连通分量和环路，而BFS算法适合用于寻找最短路径和
最小生成树。
因此，在实际应用中，我们需要根据具体的需求来选择合适的算法。
总的来说，图的遍历算法是计算机科学中非常重要的算法之一，它在许多领域
都有着广泛的应用。
通过本次实验，我们对DFS和BFS算法有了更深入的了解，并且对它们的性能和应用场景有了更清晰的认识。
希望通过这篇实验报告，读
者们也能对图的遍历算法有更深入的理解和认识。
《数据结构》课程标准
《数据结构》课程标准课程名称：数据结构课程代码：3250619适用专业：软件技术专业（软件开发方向）课程性质：专业必修课学时：48学时（理论：24 实践： 24）学分：3学分一、课程概述（一）课程的地位和作用《数据结构》是软件技术专业（软件开发方向）的一门专业必修课。
课程的前导课程是《Java面向对象编程》，本课程在后续软件开发类课程中起着非常重要的作用，其知识的应用将贯穿于本专业的所有课程。
在程序设计中，一个好的程序无非是选择一个合适的数据结构和好的算法，而好的算法的选择很大程度上取决于描述实际问题的数据结构的选取。
所以，学好数据结构，将是进一步提高学生程序设计水平的关键之一。
数据结构的应用水平是区分软件开发、设计人员水平高低的重要标志之一，缺乏数据结构和算法的深厚功底，很难设计出高水平的具有专业水准的应用程序。
本课程的改革理念是，坚持工程化、实用化教学，密切适应计算机技术的发展趋势，坚持学以致用；解决抽象理论与实践相脱节现象，让绝大多数学生在有限的时间内迅速掌握课程的基本理论知识，并把理论知识应用到软件开发的实际工作中，开发出高质是的应用软件。
（二）课程设计思路课程资源建设遵循三个原则、一个过程、四个应用层次。
课程内容的选取遵循科学性原则，课程内容的选取依据数据结构课程在学科体系的理论体系，结合其在实际开发中的使用频度及难易程度，选取适合高职学生的学习内容；课程内容的组织遵循情境性原则，所有模块的内容按一个过程进行组织。
课程内容置于由实践情境建构的以软件开发过程主要逻辑为主线的行动体系之中，采用打碎、集成的思想，将学科体系中所涉及的概念、方法、原理打碎，然后按照软件开发过程逻辑重新集成。
课程资源的建设充分体现人本性原则，按人类掌握知识的基本规律“获取—>内化—>实践—>反思—>新的获取”，开发四个实践层次“验证性应用、训练性应用、设计性应用、创造性应用”的训练题库。
二、培养目标（一）总体目标《数据结构》课程以培养学生的数据抽像能力和复杂程序设计的能力为总目标。
(完整版)数据结构详细教案——图
数据结构教案第七章图第7章图【学习目标】1．领会图的类型定义。
2．熟悉图的各种存储结构及其构造算法，了解各种存储结构的特点及其选用原则。
3．熟练掌握图的两种遍历算法。
4．理解各种图的应用问题的算法.【重点和难点】图的应用极为广泛，而且图的各种应用问题的算法都比较经典，因此本章重点在于理解各种图的算法及其应用场合。
【知识点】图的类型定义、图的存储表示、图的深度优先搜索遍历和图的广度优先搜索遍历、无向网的最小生成树、最短路径、拓扑排序、关键路径【学习指南】离散数学中的图论是专门研究图性质的一个数学分支，但图论注重研究图的纯数学性质，而数据结构中对图的讨论则侧重于在计算机中如何表示图以及如何实现图的操作和应用等.图是较线性表和树更为复杂的数据结构,因此和线性表、树不同，虽然在遍历图的同时可以对顶点或弧进行各种操作，但更多图的应用问题如求最小生成树和最短路径等在图论的研究中都早已有了特定算法，在本章中主要是介绍它们在计算机中的具体实现。
这些算法乍一看都比较难，应多对照具体图例的存储结构进行学习。
而图遍历的两种搜索路径和树遍历的两种搜索路径极为相似，应将两者的算法对照学习以便提高学习的效益。
【课前思考】1。
你有没有发现现在的十字路口的交通灯已从过去的一对改为三对，即每个方向的直行、左拐和右拐能否通行都有相应的交通灯指明。
你能否对某个丁字路口的6条通路画出和第一章绪论中介绍的”五叉路口交通管理示意图”相类似的图？2。
如果每次让三条路同时通行，那么从图看出哪些路可以同时通行？同时可通行的路为：（AB，BC,CA)，（AB,BC,BA),(AB，AC,CA)，（CB,CA,BC）目录第7章图 (1)7.1图的定义和基本术语 (1)7.2图的存储和创建 (2)7.2.1 图的存储表示 (2)7。
2.2 图的创建 (5)7。
3图的遍历 (5)7。
3.1 深度优先搜索 (5)7.3.2 广度优先搜索 (6)7。
4遍历算法的应用 (8)7.4。
图的遍历深度优先遍历和广度优先遍历
4
5
f
^
对应的邻接表
终点2作为下次的始点， 由于1点已访问过，跳过， 找到4，记标识，送输出， 4有作为新的始点重复上 述过程
1 2 4
5
输出数组 resu
3．邻接表深度优先遍历的实现
template <class TElem, class TEdgeElem>long DFS2(TGraphNodeAL<TElem, TEdgeElem> *nodes,long n,long v0, char *visited, long *resu,long &top) {//深度优先遍历用邻接表表示的图。nodes是邻接表的头数组，n 为结点个数（编号为0~n）。 //v0为遍历的起点。返回实际遍历到的结点的数目。 //visited是访问标志数组，调用本函数前，应为其分配空间并初 始化为全0(未访问) //resu为一维数组，用于存放所遍历到的结点的编号，调用本函 数前，应为其分配空间 long nNodes, i; TGraphEdgeAL<TEdgeElem> *p; nNodes=1;
1 2
4
图 20-1有向图
5
3
1 2 3 4 5
1 0 1 0 1 0
2 1 0 0 0 0
3 0 0 0 0 0
4 0 1 0 0 0
5 1 0 1 0 0
1 2 3 4 5
1 1 0 1 1
1 2 4 5
所示图的邻接矩阵g
访问标识数组 visited
输出数组 resu
例如从1点深度优先遍历，先把1设置访问标志，并置入输出数组resu，然后从邻接 矩阵的第一行，扫描各列，找到最近的邻接点2，将其设置访问标志，并进入输出数 组，接着从邻接矩阵的2行扫描，找到第一个构成边的点是1，检查访问标识数组， 发现1已经访问过，跳过，找第二个构成边 的点4，设置访问标识，进入输出数组， 再从邻接矩阵的第4行扫描，寻找构成边的点，除1外在无其他点，返回2行，继续 寻找，也无新点，返回1，找到5，将5置访问标志，进入输出数组，1行再无其他新 点，遍历结束，返回遍历元素个数为4 。
深度优先遍历算法和广度优先遍历算法实验小结
深度优先遍历算法和广度优先遍历算法实验小结一、引言在计算机科学领域，图的遍历是一种基本的算法操作。
深度优先遍历算法（Depth First Search，DFS）和广度优先遍历算法（Breadth First Search，BFS）是两种常用的图遍历算法。
它们在解决图的连通性和可达性等问题上具有重要的应用价值。
本文将从理论基础、算法原理、实验设计和实验结果等方面对深度优先遍历算法和广度优先遍历算法进行实验小结。
二、深度优先遍历算法深度优先遍历算法是一种用于遍历或搜索树或图的算法。
该算法从图的某个顶点开始遍历，沿着一条路径一直向前直到不能再继续前进为止，然后退回到上一个节点，尝试下一个节点，直到遍历完整个图。
深度优先遍历算法通常使用栈来实现。
以下是深度优先遍历算法的伪代码：1. 创建一个栈并将起始节点压入栈中2. 将起始节点标记为已访问3. 当栈不为空时，执行以下步骤：a. 弹出栈顶节点，并访问该节点b. 将该节点尚未访问的邻居节点压入栈中，并标记为已访问4. 重复步骤3，直到栈为空三、广度优先遍历算法广度优先遍历算法是一种用于遍历或搜索树或图的算法。
该算法从图的某个顶点开始遍历，先访问起始节点的所有相邻节点，然后再依次访问这些相邻节点的相邻节点，依次类推，直到遍历完整个图。
广度优先遍历算法通常使用队列来实现。
以下是广度优先遍历算法的伪代码：1. 创建一个队列并将起始节点入队2. 将起始节点标记为已访问3. 当队列不为空时，执行以下步骤：a. 出队一个节点，并访问该节点b. 将该节点尚未访问的邻居节点入队，并标记为已访问4. 重复步骤3，直到队列为空四、实验设计本次实验旨在通过编程实现深度优先遍历算法和广度优先遍历算法，并通过对比它们在不同图结构下的遍历效果，验证其算法的正确性和有效性。
具体实验设计如下：1. 实验工具：使用Python编程语言实现深度优先遍历算法和广度优先遍历算法2. 实验数据：设计多组图结构数据，包括树、稠密图、稀疏图等3. 实验环境：在相同的硬件环境下运行实验程序，确保实验结果的可比性4. 实验步骤：编写程序实现深度优先遍历算法和广度优先遍历算法，进行多次实验并记录实验结果5. 实验指标：记录每种算法的遍历路径、遍历时间和空间复杂度等指标，进行对比分析五、实验结果在不同图结构下，经过多次实验，分别记录了深度优先遍历算法和广度优先遍历算法的实验结果。
图的广度遍历(算法与数据结构课程设计)
1 问题描述图是一种较线性表和树更为复杂的数据结构。
在图形结构中，节点间的关系可以是任意的，图中任意两个数据元素之间都可以相关。
由此，图的应用极为广泛。
现在邻接矩阵和邻接表的存储结构下，完成图的广度遍历。
对任意给定的图（顶点数和边数自定），建立它的邻接表并输出，然后利用队列的五种基本运算（置空队列、进队、出队、取队头元素、判队空）实现图的广度优先搜索遍历。
画出搜索顺序示意图。
2 分析与解决问题2.1 基本要求（1) 选择合适的存储结构完成图的建立；（2) 建立图的邻接矩阵，能按矩阵方式输出图，并在此基础上，完成图的广度遍历，输出遍历序列；（3) 建立图的邻接表，并在此基础上，完成图的广度遍历，输出遍历序列；2.2 测试数据图1-1 测试图2.3 算法思想（1) 邻接矩阵顶点向量的存储。
用两个数组分别存储数据（定点）的信息和数据元素之间的关系（边或弧）的信息。
（2) 邻接表邻接表是图的一种链式存储结构。
在邻接表中，对图中每个定点建立一个单链表，第i个单链表中的节点表示依附于定点vi的边。
每个节点由3个域组成，其中邻接点域（adjvex）指示与定点vi邻接的点在图中的位置，链域（nextarc）指示下一条边或弧的节点；数据域（info）存储和边或弧相关的信息，如权值等。
每个链表上附设一个头节点。
在表头节点中，除了设有链域（firstarc）指向链表中第一个节点之外，还设有存储定点vi的名或其他有关信息的数据域（data）。
（3)图的广度遍历广度优先遍历类似于树的按层次遍历过程。
假设从图中某顶点v出发，在访问了v之后依次访问v的各个未曾访问过的邻接点，然后分别从这些邻接点出发依次访问它们的邻接点，并使“先被访问的顶点的邻接点”先与“后被访问的顶点的邻接点”被访问，直至图中所有已被访问的顶点的邻接点都被访问到。
若此时图中尚有顶点未被访问，则另选图中一个曾被访问的顶点作起始点，重复上述过程，直至图中所有顶点都被访问到为止。
图的遍历数据结构实验报告
图的遍历数据结构实验报告图的遍历数据结构实验报告1. 实验目的本实验旨在通过使用图的遍历算法，深入理解图的数据结构以及相关算法的运行原理。
2. 实验背景图是一种非线性的数据结构，由顶点和边组成。
图的遍历是指按照某种规则，从图中的一个顶点出发，访问图中的所有顶点且仅访问一次的过程。
3. 实验环境本次实验使用的操作系统为Windows 10，编程语言为Python3.8，使用的图数据结构库为NetworkX。
4. 实验步骤4.1 创建图首先，我们使用NetworkX库创建一个有向图。
通过调用add_nodes_from()方法添加顶点，并调用add_edge()方法添加边，构建图的结构。
4.2 深度优先搜索（DFS）接下来，我们使用深度优先搜索算法来遍历这个图。
深度优先搜索是一种递归的遍历法，从一个顶点开始，沿着深度方向访问图中的顶点，直到不能继续深入为止。
4.3 广度优先搜索（BFS）然后，我们使用广度优先搜索算法来遍历这个图。
广度优先搜索是一种先访问离起始顶点最近的顶点的遍历法，从一个顶点开始，依次访问与之相邻的顶点，直到访问完所有的顶点为止。
5. 实验结果我们根据深度优先搜索和广度优先搜索算法，分别得到了图的遍历结果。
通过实验可以观察到每种遍历方式所访问的顶点顺序以及所需的时间复杂度。
6. 结论通过本次实验，我们了解了图的遍历数据结构及相关算法的原理和实现方式。
深度优先搜索和广度优先搜索算法适用于不同的场景，可以根据具体情况选择合适的算法进行图的遍历。
附件：无附录：本文所涉及的法律名词及注释：- 图：由结点和边组成的非线性数据结构。
- 顶点：图中的每个元素都称为顶点，也称为结点。
- 边：顶点之间的连接关系称为边。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
学号：
课程设计
题目图的广度优先遍历
学院计算机科学与技术
专业计算机科学与技术
班级
姓名
指导教师
2011 年 6 月25 日
图的广度优先遍历
一、课程设计的目的
课程设计是对学生的一种全面的综合训练，是与课堂听讲、自学、练习、上机实习相辅相成的教学环节。
课程设计的题目通常比平时练习与上机实习复杂得多，也更接近实际。
其目的是使学生深化理解和灵活掌握教学内容，并学会如何把书上学到的知识用于解决实际问题，培养软件工作所需的问题分析、软件设计、算法设计和实际动手编程、调试的能力。
这个题目的课程设计是要掌握图的邻接矩阵的存储结构和图的广度优先遍历。
二、问题分析和任务定义
1、问题描述：
画出下图所示的无向图的邻接表，使得其中每个无项边结点中第一个顶点号小于第二个
顶点号，且每个顶点的各邻接边的链接顺序，，为它所邻接到的顶点序号由小到大的顺序。
列出广度优先搜索遍历该图所得顶点序列和边的序列。
2、问题分析和任务定义
图的邻接表表示：在第i行的单链表中，各结点（称作边结点）分别存放与同一个顶点
vi关联的各条边。
各条边配有标识dest，指示该边的另一个顶点（终顶点）；还配有
指针link，指向同一链表中的下一条边地边结点（都与顶点vi相关联）。
图的遍历: 图中某个顶点出发访问图中所有顶点，且使得每一顶点仅被访问一次，这个
过程称为图的遍历。
图的遍历是从图中某个顶点出发，沿着某条搜索路径对图中其余每
个顶点进行访问, 并且使图中的每个顶点仅被访问一次的过程。
三、存储结构设计
按无向图的邻接表存储
四、主要程序设计
1.广度优先遍历的定义
在访问了起始点之后,首先依次访问起始点的各个邻接点,然后依次访问这些顶点中未被访问过的邻接点.依此类推,直到所有被访问到的顶点的邻接点都被访问过为止.
2. 广度优先搜索的过程
a算法基本思想：
首先访问图中某一指定的出发点Vi；
然后依次访问Vi的所有接点Vi1，Vi2…Vit；
再次访问Vi1，Vi2…，Vit的邻接点中未经访问过的顶点，依此类推，直到图中所有顶点均被访问为止。
b具体过程：
从广度优先搜索遍历方法可知，先被访问的顶点的邻接点也被访问，即假设顶点V在W之前被访问，那么顶点V的所有未经访问的邻接点也在顶点W的所有未经访问的邻接点之前被访问。
这样可以在广度优先遍历的算法中设置一个队列结构，用以保存已访问过的顶点的序号，访问该顶点的所有未经访问的顶点。
广度优先搜索是一种分层的搜索过程，每向前走一步可能访问一批顶点，不像深度优先搜索那样会出现回退的现象。
因此它不是个递归的过程。
为了实现逐层访问，算法中使用了一个队列以记忆正在访问的这一层和上一层的顶点，以便于向下一层访问。
为了避免重复访问，需要一个辅助函数visitvex[]给被访问过的顶点加标记。
五、调试过程
1．在求图的第u个顶点，与其相邻的一系列顶点中，第w个顶点的下一个顶点时，若是求最后一个顶点的下一个顶点时，函数进入了死循环。
原因是判断条件没有写好，造成了判断值恒为真，因此进入了死循环。
修改后，函数正常运行。
2．广度优先遍历图的时候，是从指定的任一顶点开始遍历，当遇到该图为无向非连通图，。