深度优先和广度优先的Python实现
#coding=utf-8 class Gragh(): def __init__(self,nodes,sides): ''' nodes 表示点 sides 表示边 ''' # self.sequense是字典，key是点，value是与key相连接的点 self.sequense = {} # self.side是临时变量，主要用于保存与指定点相连接的点 self.side=[] for node in nodes: for side in sides: u,v=side # 指定点与另一个点在同一个边中，则说明这个点与指定点是相连接的点，则需要将这个点放到self.side中 if node ==u: self.side.append(v) elif node == v: self.side.append(u) self.sequense[node] = self.side self.side=[] #print self.sequense ''' # Depth-First-Search 深度优先算法，是一种用于遍历或搜索树或图的算法。沿着树的深度遍历树的节点，尽可能深的搜索树的分支。 当节点v的所在边都己被探寻过，搜索将回溯到发现节点v的那条边的起始节点。 这一过程一直进行到已发现从源节点可达的所有节点为止。如果还存在未被发现的节点， 则选择其中一个作为源节点并重复以上过程，整个进程反复进行直到所有节点都被访问为止。属于盲目搜索。 ''' def DFS(self,node0): #queue本质上是堆栈，用来存放需要进行遍历的数据 #order里面存放的是具体的访问路径 queue,order=[],[] #首先将初始遍历的节点放到queue中，表示将要从这个点开始遍历 queue.append(node0) while queue: #从queue中pop出点v，然后从v点开始遍历了，所以可以将这个点pop出，然后将其放入order中 #这里才是最有用的地方，pop（）表示弹出栈顶，由于下面的for循环不断的访问子节点，并将子节点压入堆栈， #也就保证了每次的栈顶弹出的顺序是下面的节点 v = queue.pop() order.append(v) #这里开始遍历v的子节点 for w in self.sequense[v]: #w既不属于queue也不属于order，意味着这个点没被访问过，所以讲起放到queue中，然后后续进行访问 if w not in order and w not in queue: queue.append(w) return order ''' readth-First-Search BFS是从根节点开始，沿着树的宽度遍历树的节点。如果所有节点均被访问，则算法中止。 广度优先搜索的实现一般采用open-closed表。 ''' def BFS(self,node0): #queue本质上是堆栈，用来存放需要进行遍历的数据 #order里面存放的是具体的访问路径 queue,order = [],[] #首先将初始遍历的节点放到queue中，表示将要从这个点开始遍历 # 由于是广度优先，也就是先访问初始节点的所有的子节点，所以可以 queue.append(node0) order.append(node0) while queue: #queue.pop(0)意味着是队列的方式出元素，就是先进先出，而下面的for循环将节点v的所有子节点 #放到queue中，所以queue.pop(0)就实现了每次访问都是先将元素的子节点访问完毕，而不是优先叶子节点 v = queue.pop(0) for w in self.sequense[v]: if w not in order: # 这里可以直接order.append(w) 因为广度优先就是先访问节点的所有下级子节点，所以可以 # 将self.sequense[v]的值直接全部先给到order order.append(w) queue.append(w) return order def main(): nodes = [i+1 for i in xrange(8)] sides=[(1, 2), (1, 3), (2, 4), (2, 5), (4, 8), (5, 8), (3, 6), (3, 7), (6, 7)] G = Gragh(nodes,sides) print G.DFS(1) print G.BFS(1) print G.DFS1(1) if __name__ == "__main__": main()
