图:
graph={
'A':['B','C'],
'B':['A','C','D'],
'C':['A','B','D','E'],
'D':['B','C','E','F'],
'E':['C','D'],
'F':['D']}
BFS:队列实现
#BFS 广度优先搜索 层序遍历
def BFS(graph,s): #graph图,s是开始节点
#需要一个队列
queue = []
queue.append(s)
seen = set() #看是否访问过该节点
seen.add(s)
while (len(queue)>0):
vertex = queue.pop(0) #保存第一节点,并弹出,方便把他下面的子节点接入
nodes = graph[vertex] #子节点的数组
for w in nodes:
if w not in seen: #判断是否访问过,使用一个数组
queue.append(w)
seen.add(w)
print(vertex)
DFS:
1.递归实现
def DFS(graph, s, seen=None):
if seen is None:
seen = set() # 记录已访问的节点
print(s)
seen.add(s) # 将当前节点标记为已访问
nodes = graph[s] # 获取当前节点的邻接节点
for w in nodes:
if w not in seen: # 如果邻接节点未被访问
DFS(graph, w, seen) # 递归调用DFS函数,以邻接节点作为新的起始节点,并传递已访问节点的集合
2.栈实现
#DFS 深度优先搜索 回溯法(会回看前面的节点)
#一直往前走,走不下去往回跳
#使用stack来进行深度的顺序
#把栈顶元素去除,在把临接点放入
def DFS(graph,s):#graph图,s是开始接点
#需要一个栈
stack = []
stack.append(s)
seen = set() #看是否访问过
seen.add(s)
while(len(stack)>0):
#拿出邻接点
vertex = stack.pop() #这里pop参数没有0了,最后一个元素
nodes = graph[vertex]
for w in nodes:
if w not in seen: #如何判断是否访问过,使用一个数组
stack.append(w)
seen.add(w)
prinf(vertex)