Python实现深度优先与宽度优先搜索算法

最新推荐文章于 2025-06-19 15:17:33 发布

椰果奶茶加冰

最新推荐文章于 2025-06-19 15:17:33 发布

阅读量8k

点赞数 9

分类专栏： # Python 文章标签：深度优先搜索

Python 专栏收录该内容

11 篇文章

订阅专栏

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()