【JS每日一算法】🟨127.克隆图(深度优先、广度优先)

给你无向 连通 图中一个节点的引用，请你返回该图的 深拷贝（克隆）。

图中的每个节点都包含它的值 val（int） 和其邻居的列表（list[Node]）。

class Node {
    public int val;
    public List<Node> neighbors;
}

测试用例格式：

简单起见，每个节点的值都和它的索引相同。例如，第一个节点值为 1（val = 1），第二个节点值为 2（val = 2），以此类推。该图在测试用例中使用邻接列表表示。

邻接列表 是用于表示有限图的无序列表的集合。每个列表都描述了图中节点的邻居集。

给定节点将始终是图中的第一个节点（值为 1）。你必须将 给定节点的拷贝 作为对克隆图的引用返回。  

示例 1：

输入： adjList = [[2,4],[1,3],[2,4],[1,3]]
输出： [[2,4],[1,3],[2,4],[1,3]]
解释： 图中有 4 个节点。
节点 1 的值是 1，它有两个邻居：节点 2 和 4 。
节点 2 的值是 2，它有两个邻居：节点 1 和 3 。
节点 3 的值是 3，它有两个邻居：节点 2 和 4 。
节点 4 的值是 4，它有两个邻居：节点 1 和 3 。

示例 2：

输入： adjList = [[]]
输出： [[]]
解释： 输入包含一个空列表。该图仅仅只有一个值为 1 的节点，它没有任何邻居。

示例 3：

输入： adjList = []
输出： []
解释： 这个图是空的，它不含任何节点。

示例 4：

输入： adjList = [[2],[1]]
输出： [[2],[1]]

提示：

1. 节点数不超过 100 。
2. 每个节点值 Node.val 都是唯一的，1 <= Node.val <= 100。
3. 无向图是一个简单图，这意味着图中没有重复的边，也没有自环。
4. 由于图是无向的，如果节点 p 是节点 q 的邻居，那么节点 q 也必须是节点 p 的邻居。
5. 图是连通图，你可以从给定节点访问到所有节点。

题解：

个人博客

更多JS版本题解点击链接关注该仓库👀

/**
 * @description: 深度优先  TC:O(n)  SC:O(n)
 * @author: JunLiangWang
 * @param {*} node 给定图的节点
 * @return {*}
 */
function dfs(node) {
    /**
     * 该方案使用深度优先遍历的方式，由于无向连通图可能存在回环，
     * 因此我们需要使用hashMap记录已遍历的节点，当再次遇到则无需
     * 遍历避免死循环
     */

    if (!node) return null;
    // 记录已遍历的节点，key为原图节点，value为克隆图节点
    const recordMap = new Map();

    /**
     * @description: 利用递归回溯实现深度优先
     * @author: JunLiangWang
     * @param {*} currentNode 当前节点
     * @return {*}
     */
    function recursionBacktracking(currentNode) {
        // 克隆当前节点
        const cloneNode = new Node(currentNode.val);
        // 记录已遍历的节点
        recordMap.set(currentNode, cloneNode);
        // 遍历当前节点的连通节点
        currentNode.neighbors.forEach(item => {
            // 当连通节点未被遍历，则递归
            if (!recordMap.has(item)) {
                recursionBacktracking(item);
            }
            // 获得连通节点的克隆值，并加入克隆节点的连通节点中
            cloneNode.neighbors.push(recordMap.get(item));
        });
    }
    // 执行递归
    recursionBacktracking(node);
    // 返回结果
    return recordMap.get(node);
}


/**
 * @description: 广度优先  TC:O(n)  SC:O(n)
 * @author: JunLiangWang
 * @param {*} node 给定图的节点
 * @return {*}
 */
function bfs(node) {

    /**
     * 该方案使用广度优先算法，广度优先算法依靠一个队列，
     * 先将根节点入队，然后循环不断将队列中的节点出队，然
     * 后将出队节点不为空的连通节点再次入队。如此往复直到
     * 队列为空
     * 
     */

    if (!node) return null;
    // 记录已遍历的节点，key为原图节点，value为克隆图节点
    const recordMap = new Map();
    // 克隆/记录当前的节点
    recordMap.set(node, new Node(node.val));
    // 将当前节点加入队列中
    const quene = [node];
    // 当队列不为空则继续遍历
    while (quene.length) {
        // 出队
        const currentNode = quene.shift();
        // 遍历当前节点的连通节点
        currentNode.neighbors.forEach(item => {
            // 如果未遍历过
            if (!recordMap.has(item)) {
                // 将该节点入队
                quene.push(item);
                // 克隆/记录该节点
                recordMap.set(item, new Node(item.val));
            }
            // 获得连通节点的克隆值，并加入克隆节点的连通节点中
            recordMap.get(currentNode).neighbors.push(recordMap.get(item));
        })
    }
    // 返回结果
    return (recordMap.get(node));
}