python深度优先搜索和广度优先搜索

时间:2021-05-23

1. 深度优先搜索介绍

图的深度优先搜索(Depth First Search),和树的先序遍历比较类似。

它的思想:假设初始状态是图中所有顶点均未被访问,则从某个顶点v出发,首先访问该顶点,然后依次从它的各个未被访问的邻接点出发深度优先搜索遍历图,直至图中所有和v有路径相通的顶点都被访问到。 若此时尚有其他顶点未被访问到,则另选一个未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。

显然,深度优先搜索是一个递归的过程。

2. 广度优先搜索介绍

广度优先搜索算法(Breadth First Search),又称为"宽度优先搜索"或"横向优先搜索",简称BFS。

它的思想是: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,并使得“先被访问的顶点的邻接点先于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。如果此时图中尚有顶点未被访问,则需要另选一个未曾被访问过的顶点作为新的起始点,重复上述过程,直至图中所有顶点都被访问到为止。

换句话说,广度优先搜索遍历图的过程是以v为起点,由近至远,依次访问和v有路径相通且路径长度为1,2...的顶点。

# -*- coding: utf-8 -*-"""Created on Wed Sep 27 00:41:25 2017@author: my"""from collections import OrderedDictclass graph: nodes=OrderedDict({})#有序字典 def toString(self): for key in self.nodes: print key+'邻接点为'+str(self.nodes[key].adj) def add(self,data,adj,tag): n=Node(data,adj) self.nodes[tag]=n for vTag in n.adj: if self.nodes.has_key(vTag) and tag not in self.nodes[vTag].adj: self.nodes[vTag].adj.append(tag) visited=[] def dfs(self,v): if v not in self.visited: self.visited.append(v) print v for adjTag in self.nodes[v].adj: self.dfs(adjTag) visited2=[] def bfs(self,v): queue=[] queue.insert(0,v) self.visited2.append(v) while(len(queue)!=0): top=queue[len(queue)-1] for temp in self.nodes[top].adj: if temp not in self.visited2: self.visited2.append(temp) queue.insert(0,temp) print top queue.pop()class Node: data=0 adj=[] def __init__(self,data,adj): self.data=data self.adj=adjg=graph()g.add(0,['e','c'],'a')g.add(0,['a','g'],'b')g.add(0,['a','e'],'c')g.add(0,['a','f'],'d')g.add(0,['a','c','f'],'e')g.add(0,['d','g','e'],'f')g.add(0,['b','f'],'g')g.toString()print '深度优先遍历的结构为'g.dfs('c')print '广度优先遍历的结构为'g.bfs('c')

声明:本页内容来源网络,仅供用户参考;我单位不保证亦不表示资料全面及准确无误,也不保证亦不表示这些资料为最新信息,如因任何原因,本网内容或者用户因倚赖本网内容造成任何损失或损害,我单位将不会负任何法律责任。如涉及版权问题,请提交至online#300.cn邮箱联系删除。

相关文章