Python实现深度优先与宽度优先搜索算法

文章介绍了宽度优先搜索(BSF)和深度优先搜索(DFS)算法原理。宽度优先搜索从顶点出发,由近至远访问顶点;深度优先搜索类似树的前序遍历。还提及关键代码编写,包括定义类创建二叉树图、实现两种算法及展示运行结果,最后给出完整代码。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

文章转载处:https://blog.youkuaiyun.com/qq_40276310/article/details/80668401

一、算法原理
首先,我们给定一个二叉树图如下:
在这里插入图片描述
1、宽度优先搜索:

宽度优先搜索算法(Breadth First Search,BSF),思想是:

  • 从图中某顶点v出发,首先访问定点v
  • 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。

  如上图的BFS访问顺序为:A->B->C->D->E->F

2、深度优先搜索:

图的深度优先搜索(Depth First Search, DFS),和树的前序遍历非常类似。

它的思想:

  • 从顶点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

  如上图的BFS访问顺序为:A->B->D->E->C->F

2、关键代码的编写

(1)首先定义一个类,创建一个二叉树图

# 首先定义一个创建图的类,使用邻接矩阵
class Graph(object):
	def __init__(self, *args, **kwargs):
		self.order = [] # visited order
		self.neighbor = {}
	def add_node(self, node):
		key, val = node
		if not isinstance(val, list):
			print('节点输入时应该为一个线性表') # 避免不正确的输入
			self.neighbor[key] = val

(2)宽度优先算法的实现

# 宽度优先算法的实现
def BFS(self, root):
#首先判断根节点是否为空节点
	if root != None:
		search_queue = deque()
		search_queue.append(root)
		visited = []
	else:
		print('root is None')
		return -1
	while search_queue:
		person = search_queue.popleft()
		self.order.append(person)
		if (not person in visited) and (person in self.neighbor.keys()):
			search_queue += self.neighbor[person]
			visited.append(person)

(3)深度优先算法的实现

# 深度优先算法的实现
def DFS(self, root):
# 首先判断根节点是否为空节点
	if root != None:
		search_queue = deque()
		search_queue.append(root)
		visited = []
	else:
		print('root is None')
		return -1
	while search_queue:
		person = search_queue.popleft()
		self.order.append(person)
	if (not person in visited) and (person in self.neighbor.keys()):
		tmp = self.neighbor[person]
		tmp.reverse()
		for index in tmp:
			search_queue.appendleft(index)
			visited.append(person)

(4)运行结果的展示
在这里插入图片描述

附录:

完整的代码:

# -*- coding: utf-8 -*-
 
from collections import deque    # 线性表的模块
 
# 首先定义一个创建图的类,使用邻接矩阵
class Graph(object):
    def __init__(self, *args, **kwargs):
        self.order = []  # visited order
        self.neighbor = {}
 
    def add_node(self, node):
        key, val = node
        if not isinstance(val, list):
            print('节点输入时应该为一个线性表')    # 避免不正确的输入
        self.neighbor[key] = val
 
    # 宽度优先算法的实现
    def BFS(self, root):
        #首先判断根节点是否为空节点
        if root != None:
            search_queue = deque()
            search_queue.append(root)
            visited = []
        else:
            print('root is None')
            return -1
 
        while search_queue:
            person = search_queue.popleft()
            self.order.append(person)
 
            if (not person in visited) and (person in self.neighbor.keys()):
                search_queue += self.neighbor[person]
                visited.append(person)
 
    # 深度优先算法的实现
    def DFS(self, root):
        # 首先判断根节点是否为空节点
        if root != None:
            search_queue = deque()
            search_queue.append(root)
 
            visited = []
        else:
            print('root is None')
            return -1
 
        while search_queue:
            person = search_queue.popleft()
            self.order.append(person)
 
            if (not person in visited) and (person in self.neighbor.keys()):
                tmp = self.neighbor[person]
                tmp.reverse()
 
                for index in tmp:
                    search_queue.appendleft(index)
 
                visited.append(person)
 
    def clear(self):
        self.order = []
 
    def node_print(self):
        for index in self.order:
            print(index, end='  ')
 
 
if __name__ == '__main__':
    # 创建一个二叉树图
    g = Graph()
    g.add_node(('A', ['B', 'C']))
    g.add_node(('B', ['D', 'E']))
    g.add_node(('C', ['F']))
 
    # 进行宽度优先搜索
    g.BFS('A')
    print('宽度优先搜索:')
    print('  ', end='  ')
    g.node_print()
    g.clear()
 
    # 进行深度优先搜索
    print('\n\n深度优先搜索:')
    print('  ', end='  ')
    g.DFS('A')
    g.node_print()
    print()
评论 4
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值