JavaScript 데이터 구조 및 알고리즘 그래프 및 그래프 알고리즘_기본 지식
그래프의 정의
그래프는 비어 있지 않은 유한 정점 집합과 정점 사이의 간선 집합으로 구성됩니다. 일반적으로 G(V,E)로 표현됩니다. 여기서 G는 그래프를 나타내고 V는 그래프 G의 정점입니다. 집합, E는 그래프 G의 간선 집합입니다.
유향 그래프
방향성 가장자리: 꼭지점 Vi에서 Vj까지의 가장자리에 방향이 있으면 이 가장자리를 방향성 가장자리라고 하며 호(Arc)라고도 하며 순서쌍
순서가 지정되지 않은 그래프
무방향 에지: 정점 Vi와 Vj 사이의 에지에 방향이 없는 경우, 이 에지를 무방향 에지(Edge)라고 하며 순서가 없는 쌍(Vi, Vj)으로 표현됩니다.
간단한 그림
간단한 그래프: 그래프 구조에서 꼭지점과 정점 사이에 간선이 없고 동일한 간선이 반복적으로 나타나지 않는 경우 이러한 그래프를 단순 그래프라고 합니다.
그래픽
은 정점
을 나타냅니다.그래프 클래스 생성의 첫 번째 단계는 정점과 모서리를 저장하는 Vertex 클래스를 생성하는 것입니다. 이 클래스의 기능은 연결리스트, 이진검색트리의 Node 클래스와 동일하다. Vertex 클래스에는 두 개의 데이터 멤버가 있습니다. 하나는 정점을 식별하고 다른 하나는 방문했는지 여부를 나타내는 부울 값입니다. 각각 label 및 wasVisited라는 이름이 지정됩니다.
함수 정점(레이블){
This.label = 라벨;
}
모든 정점을 배열에 저장하고 그래프 클래스에서 배열의 위치로 참조할 수 있습니다
은 가장자리를 나타냅니다
그래프의 실제 정보는 그래프의 구조를 설명하기 때문에 "가장자리"에 저장됩니다. 이진 트리의 상위 노드에는 두 개의 하위 노드만 있을 수 있지만 그래프의 구조는 훨씬 더 유연합니다. 정점에는 하나의 가장자리 또는 여러 개의 가장자리가 연결될 수 있습니다.
그래프의 모서리를 표현하는 방법을 인접 리스트(Adjacency List) 또는 인접 리스트 배열(Adjacency List Array)이라고 부릅니다. 정점의 인접한 정점 목록으로 구성된 배열을 저장합니다
구성도
다음과 같이 Graph 클래스를 정의합니다.
함수 그래프(v){
This.vertices = v;//정점 최고점
This.edges = 0;
This.adj = [];
for(var i =0;I
This.adj[i].push('');
}
This.addEdge = addEdge;
This.toString = toString;
}
그래프가 얼마나 많은 변을 나타내는지 기록하고, 그래프의 길이와 꼭지점 개수를 이용하여 꼭지점 개수를 기록하는 클래스입니다.
함수 addEdge(){
This.adj[v].push(w);
This.adj[w].push(v);
This.edges ;
}
여기에서는 for 루프를 사용하여 배열의 각 요소에 하위 배열을 추가하여 모든 인접 정점을 저장하고 모든 요소를 빈 문자열로 초기화합니다.
그래프 순회
깊이 우선 순회
DepthFirstSearch는 깊이 우선 검색이라고도 하며 DFS라고도 합니다.
예를 들어 방에서 열쇠를 찾는 경우 방의 구석, 침대 옆 탁자, 침대, 침대 밑, 옷장, TV 캐비닛 등을 하나씩 검색할 수 있습니다. , 하나도 놓치지 않도록 모든 서랍과 수납장을 검색한 후 다음 방을 찾으세요.
깊이 우선 검색:
깊이 우선 탐색은 방문하지 않은 정점을 방문하여 방문했다고 표시한 후 초기 정점의 인접 목록에 있는 방문하지 않은 다른 정점에 재귀적으로 접근하는 것입니다
Graph 클래스에 배열 추가:
this.marked = [];//방문한 정점 저장
for(var i=0;i
}
깊이 우선 검색 기능:
함수 dfs(v){
This.marked[v] = true;
//여기에서는 if 문이 필요하지 않습니다
If(this.adj[v] != 정의되지 않음){
print("방문한 정점: " v );
각(this.adj[v]의 var w){
If(!this.marked[w]){
This.dfs(w);
}
}
}
}
폭 우선 검색
BFS(Breadth-First Search)는 그래프의 모든 노드를 체계적으로 확장하고 조사하여 결과를 찾는 것을 목표로 하는 블라인드 검색 방법입니다. 즉, 결과의 가능한 위치를 고려하지 않고 결과를 찾을 때까지 전체 그래프를 철저하게 검색합니다.
폭 우선 검색은 아래와 같이 첫 번째 정점부터 시작하여 가능한 한 가까운 정점을 방문하려고 시도합니다.
작동 원리는 다음과 같습니다.
1. 먼저 현재 정점에 인접한 방문하지 않은 정점을 찾아 방문한 정점 목록 및 대기열에 추가합니다.
2. 그런 다음 그래프에서 다음 정점 v를 가져와 방문한 정점 목록에 추가합니다
3. 마지막으로 v에 인접한 모든 방문하지 않은 정점을 대기열에 추가합니다
너비 우선 탐색 기능의 정의는 다음과 같습니다.
var 대기열 = [];
This.marked = true;
Queue.push(s);//대기열 끝에 추가
동안(queue.length>0){
var v = queue.shift();//대기열 헤드에서 제거
If(v == 정의되지 않음){
print("방문한 정점: " v);
}
각(this.adj[v]의 var w){
If(!this.marked[w]){
This.edgeTo[w] = v;
This.marked[w] = true;
queue.push(w);
}
}
}
}
최단 경로
폭 우선 탐색을 수행하면 한 정점에서 연결된 다른 정점까지의 최단 경로가 자동으로 검색됩니다.
경로 결정
최단 경로를 찾으려면 한 정점에서 다른 정점으로의 경로를 기록하도록 너비 우선 검색 알고리즘을 수정해야 합니다. 우리는 이것을 한 정점에서 다음 정점으로의 모든 가장자리를 저장하는 배열이 필요합니다. 배열 edgeTo
this.edgeTo = [];//그래프 클래스에 이 줄을 추가하세요
//bfs 함수
함수 bfs(들){
var 대기열 = [];
This.marked = true;
Queue.push(s);//대기열 끝에 추가
동안(queue.length>0){
var v = queue.shift();//대기열 헤드에서 제거
If(v == 정의되지 않음){
print("방문한 정점: " v);
}
각(this.adj[v]의 var w){
If(!this.marked[w]){
This.edgeTo[w] = v;
This.marked[w] = true;
queue.push(w);
}
}
}
}
위상 정렬 알고리즘
토폴로지 정렬은 방향성 간선이 이전 정점에서 이후 정점을 가리키도록 방향성 그래프의 모든 정점을 정렬합니다.
위상 정렬 알고리즘은 BFS와 유사하지만, 위상 정렬 알고리즘은 방문한 정점을 즉시 출력하지 않고, 대신 현재 정점의 인접 목록에 있는 모든 인접 정점을 방문합니다. 목록이 스택에서 소진되었습니다.
위상 정렬 알고리즘은 두 가지 함수로 나뉩니다. 첫 번째 함수는 정렬 프로세스를 설정하고 보조 함수 topSortHelper()를 호출한 다음 정렬된 정점 목록을 표시하는 데 사용되는 topSort()입니다.
토폴로지 정렬 알고리즘의 주요 작업은 재귀 함수 topSortHelper()에서 완료됩니다. 이 함수는 현재 정점을 방문한 것으로 표시한 다음 현재 정점 인접 목록의 각 정점에 재귀적으로 액세스하여 이러한 정점을 방문한 것으로 표시합니다. 마지막으로 현재 정점이 스택으로 푸시됩니다.
//topSort() 함수
함수 topSort(){
var 스택 = [];
방문한 var = [];
for(var i =0;i
}
for(var i = 0;i
This.topSortHelper(i,visited,stack);
}
}
for(var i = 0;i
print(this.vertexList[stack[i]]);
}
}
}
//topSortHelper() 함수
함수 topSortHelper(v,visited,stack){
방문함[v] = true;
각(this.adj[v]의 var w){
If(!방문[w]){
This.topSortHelper(방문[w],방문,스택);
}
}
stack.push(v);
}

핫 AI 도구

Undresser.AI Undress
사실적인 누드 사진을 만들기 위한 AI 기반 앱

AI Clothes Remover
사진에서 옷을 제거하는 온라인 AI 도구입니다.

Undress AI Tool
무료로 이미지를 벗다

Clothoff.io
AI 옷 제거제

AI Hentai Generator
AI Hentai를 무료로 생성하십시오.

인기 기사

뜨거운 도구

메모장++7.3.1
사용하기 쉬운 무료 코드 편집기

SublimeText3 중국어 버전
중국어 버전, 사용하기 매우 쉽습니다.

스튜디오 13.0.1 보내기
강력한 PHP 통합 개발 환경

드림위버 CS6
시각적 웹 개발 도구

SublimeText3 Mac 버전
신 수준의 코드 편집 소프트웨어(SublimeText3)

뜨거운 주제











C++의 기계 학습 알고리즘이 직면하는 일반적인 과제에는 메모리 관리, 멀티스레딩, 성능 최적화 및 유지 관리 가능성이 포함됩니다. 솔루션에는 스마트 포인터, 최신 스레딩 라이브러리, SIMD 지침 및 타사 라이브러리 사용은 물론 코딩 스타일 지침 준수 및 자동화 도구 사용이 포함됩니다. 실제 사례에서는 Eigen 라이브러리를 사용하여 선형 회귀 알고리즘을 구현하고 메모리를 효과적으로 관리하며 고성능 행렬 연산을 사용하는 방법을 보여줍니다.

C++정렬 함수의 맨 아래 계층은 병합 정렬을 사용하고 복잡도는 O(nlogn)이며 빠른 정렬, 힙 정렬 및 안정 정렬을 포함한 다양한 정렬 알고리즘 선택을 제공합니다.

Java에서 복잡한 데이터 구조를 사용할 때 Comparator는 유연한 비교 메커니즘을 제공하는 데 사용됩니다. 구체적인 단계에는 비교기 클래스 정의, 비교 논리를 정의하기 위한 비교 메서드 재작성 등이 포함됩니다. 비교기 인스턴스를 만듭니다. Collections.sort 메서드를 사용하여 컬렉션 및 비교기 인스턴스를 전달합니다.

01 전망 요약 현재로서는 탐지 효율성과 탐지 결과 간의 적절한 균형을 이루기가 어렵습니다. 우리는 광학 원격 탐사 이미지에서 표적 감지 네트워크의 효과를 향상시키기 위해 다층 특징 피라미드, 다중 감지 헤드 전략 및 하이브리드 주의 모듈을 사용하여 고해상도 광학 원격 감지 이미지에서 표적 감지를 위한 향상된 YOLOv5 알고리즘을 개발했습니다. SIMD 데이터 세트에 따르면 새로운 알고리즘의 mAP는 YOLOv5보다 2.2%, YOLOX보다 8.48% 우수하여 탐지 결과와 속도 간의 균형이 더 잘 이루어졌습니다. 02 배경 및 동기 원격탐사 기술의 급속한 발전으로 항공기, 자동차, 건물 등 지구 표면의 많은 물체를 묘사하기 위해 고해상도 광학 원격탐사 영상이 활용되고 있다. 원격탐사 이미지 해석에서 물체 감지

데이터 구조와 알고리즘은 Java 개발의 기초입니다. 이 기사에서는 Java의 주요 데이터 구조(예: 배열, 연결 목록, 트리 등)와 알고리즘(예: 정렬, 검색, 그래프 알고리즘 등)을 자세히 살펴봅니다. 이러한 구조는 배열을 사용하여 점수를 저장하고, 연결된 목록을 사용하여 쇼핑 목록을 관리하고, 스택을 사용하여 재귀를 구현하고, 대기열을 사용하여 스레드를 동기화하고, 트리 및 해시 테이블을 사용하여 빠른 검색 및 인증을 저장하는 등 실제 사례를 통해 설명됩니다. 이러한 개념을 이해하면 효율적이고 유지 관리가 가능한 Java 코드를 작성할 수 있습니다.

1. 58초상화 플랫폼 구축 배경 먼저, 58초상화 플랫폼 구축 배경에 대해 말씀드리겠습니다. 1. 기존 프로파일링 플랫폼의 전통적인 사고로는 더 이상 충분하지 않습니다. 사용자 프로파일링 플랫폼을 구축하려면 여러 비즈니스 라인의 데이터를 통합하여 정확한 사용자 초상화를 구축하는 데이터 웨어하우스 모델링 기능이 필요합니다. 그리고 알고리즘 측면의 기능을 제공해야 하며, 마지막으로 사용자 프로필 데이터를 효율적으로 저장, 쿼리 및 공유하고 프로필 서비스를 제공할 수 있는 데이터 플랫폼 기능도 있어야 합니다. 자체 구축한 비즈니스 프로파일링 플랫폼과 중간 사무실 프로파일링 플랫폼의 주요 차이점은 자체 구축한 프로파일링 플랫폼이 단일 비즈니스 라인에 서비스를 제공하고 필요에 따라 사용자 정의할 수 있다는 것입니다. 모델링하고 보다 일반적인 기능을 제공합니다. 2.58 Zhongtai 초상화 구성 배경의 사용자 초상화

AVL 트리는 빠르고 효율적인 데이터 작업을 보장하는 균형 잡힌 이진 검색 트리입니다. 균형을 이루기 위해 좌회전 및 우회전 작업을 수행하고 균형을 위반하는 하위 트리를 조정합니다. AVL 트리는 높이 균형을 활용하여 노드 수에 비해 트리 높이가 항상 작게 되도록 함으로써 로그 시간 복잡도(O(logn)) 검색 작업을 달성하고 대규모 데이터 세트에서도 데이터 구조의 효율성을 유지합니다.

작성자 | 검토자: Wang Hao | Chonglou News 앱은 사람들이 일상 생활에서 정보 소스를 얻는 중요한 방법입니다. 2010년경 해외의 인기 뉴스 앱에는 Zite, Flipboard 등이 있었고, 국내 인기 뉴스 앱은 4대 포털이 주를 이루었습니다. 터우탸오(Toutiao)로 대표되는 신시대 뉴스 추천 상품의 인기로 뉴스 앱은 새로운 시대에 접어들었습니다. 기술 기업의 경우 어느 기업이든 정교한 뉴스 추천 알고리즘 기술을 숙지하면 기본적으로 기술 수준에서 주도권과 발언권을 갖게 됩니다. 오늘은 RecSys2023 최우수 장편 논문 후보 추천 논문인 GoingBeyondLocal:GlobalGraph-EnhancedP를 살펴보겠습니다.
