(算法理论)图的遍历(北京地跌导航应用)（python）

最新推荐文章于 2022-05-23 10:54:09 发布

原创

最新推荐文章于 2022-05-23 10:54:09 发布 · 579 阅读

7 ·

CC 4.0 BY-SA版权

本文探讨了图的遍历算法，包括广度优先（BFS）和深度优先（DFS），并以北京地铁线路为例进行实战应用。首先爬取地铁站信息，存储到CSV，接着建立车站之间的连接，利用广度优先搜索算法找出最优换乘路径，并进行了测试验证。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

记录两种图的遍历算法——广度优先（BFS）与深度优先（DFS）。

图（graph）在物理存储上采用邻接表，而邻接表是用python中的字典来实现的。

两种遍历方式的代码如下所示：

def bfsTravel(graph, source):
    # 传入的参数为邻接表存储的图和一个开始遍历的源节点
    frontiers = [source]     # 表示前驱节点
    travel = [source]       # 表示遍历过的节点
    # 当前驱节点为空时停止遍历
    while frontiers:        
        nexts = []          # 当前层的节点（相比frontier是下一层）
        for frontier in frontiers:
            for current in graph[frontier]: # 遍历当前层的节点
                if current not in travel:   # 判断是否访问过
                    travel.append(current)  # 没有访问过则入队
                    nexts.append(current)   # 当前结点作为前驱节点
        frontiers = nexts   # 更改前驱节点列表
    return travel


def dfsTravel(graph, source):
    # 传入的参数为邻接表存储的图和一个开始遍历的源节点
    travel = []     # 存放访问过的节点的列表
    stack = [source]      # 构造一个堆栈
    while stack:            # 堆栈空时结束    
        current = stack.pop()       # 堆顶出队
        if current not in travel:   # 判断当前结点是否被访问过
            travel.append(current)  # 如果没有访问过，则将其加入访问列表
        for next_adj in graph[current]: # 遍历当前结点的下一级
            if next_adj not in travel:  # 没有访问过的全部入栈
                stack.append(next_adj)
    return travel


if __name__ == "__main__":
    graph = {}
    graph['a'] = ['b']
    graph['b'] = ['c','d']
    graph['c'] = ['e']
    graph['d'] = []
    graph['e'] = ['a']

    #