利用Python实现BFS和DFS

一、基本原理:

(1)

BFS :广度优先

利用Python实现BFS和DFS_第1张图片

一层一层搜,注意先后的顺序。(DE顺序不能换!)利用Python实现BFS和DFS_第2张图片利用Python实现BFS和DFS_第3张图片

结论会不唯一。

DFS:深度优先

利用Python实现BFS和DFS_第4张图片

“一条路走到黑”:

(2)代码实现思路:

队列实现BFS:

利用Python实现BFS和DFS_第5张图片

用栈实现DFS:  保证每次取的时候,取的都是他的邻接点。

                ​​​​​​​        ​​​​​​​        ​​​​​​​         从A开始,压入stack内,在pop出,

再放入A的邻接点CB  (顺序可交换) 再pop B

再放入B的邻接点D (C已经再栈中了) 再pop D

再放入D的邻接点E和F  (以F在栈顶为例)  再pop F

    此时已经没有邻接点了,往栈底按顺序pop 出E  和C结束对图的遍历

        (实际上就模拟了这个回跳的过程)

  利用Python实现BFS和DFS_第6张图片 

 

二、实现代码:

①BFS  (用到了python中的字典和集合)

利用Python实现BFS和DFS_第7张图片 

利用Python实现BFS和DFS_第8张图片

注意区别:DFS采用的是栈的结构,体现在将BFS中的queue.pop(0)(取出第一个元素,“先进先出”)改为栈stack.pop()默认是去除列表中的最后一个元素(”先进后出”)

 

def DFS(graph,start):  #参数 graph是邻接节点的一个字典   参数start是起始点
     stack=[]  #当栈用
     seen=set() #创建一个集合,查重用(判断这条路是否已经走过)+记录路径的作用
     print("一笔画路径为:",end="")
     stack.append(start)
     seen.add(start)
     while (len(stack)>0):
          vertx=stack.pop()  #默认是从栈顶取出
          node=graph[vertx]
          for i in node:
               if i not in seen:#确保之前没有走过该节点
                    stack.append(i)
                    seen.add(i)
          print(vertx+"->",end="")
     print("\b\b")

你可能感兴趣的:(Python,宽度优先,算法,python,深度优先)