图的非递归深搜遍历图示与代码（python)

1 非递归深搜

图的深搜递归形式非常简单，相信大家都会，在此就来实现一下非递归版本的深搜。

1.1 图示

对于以上的图，从1开始的深搜遍历结果应该是1 2 3 4 0。那么如何通过非递归形式得到该结果呢，下面以该图为例进行演示：

首先我们准备要一个栈来模拟递归的过程，以及一个集合来存储已经访问的节点，以免因为图中的环结构让子节点再次进入父节点访问。

我们首先处理节点1，这里将入栈操作视为对节点的访问，于是我们将节点1入栈并访问，再加入已访问集合。

从这开始，我们就要对栈中的元素进行不断地访问，直到栈为空。我们先将栈顶元素1出栈，并从其子节点中选择一个未访问的节点进行访问。由于子节点可能还有子节点，在此将父节点和子节点一起入栈，并加入集合（以下省略）。

再次获取栈顶元素，访问子节点。

再次获取栈顶元素，访问子节点。

再次获取栈顶元素，访问子节点。可以发现此时的栈顶节点已经没有任何的子节点可以访问，对此我们不做任何其他操作，任其出栈。

再次获取栈顶元素，访问子节点。

再次获取栈顶元素，访问子节点。此时的节点2还有子节点0，访问子节点，进入分支。

再次获取栈顶元素，访问子节点。

此时栈还未空，继续获取栈顶元素，访问子节点。

继续获取栈顶元素，访问子节点。

可以发现此时栈为空了，遍历也由此结束，对比一下访问结果，与上是完全相同的。

1.2 代码

理解了图示的过程，代码也就十分简单了。代码中的图是通过邻接表的方式实现的，每个节点都有一个出边集合outEdges与入边集合inEdges，且图对象拥有一个顶点集合verteces用于存储所有的顶点，具体可见使用邻接表实现数据结构图（python)。

def dfs_nonrecursion(self,v):
    print('depth first search without recursion----------------')
    start_vertex=self.vertices.get(v)
    visited_vertex=set()#已访问顶点集合
    stack = LifoQueue()  # 创建栈
    #将顶点入栈，表示访问该节点，打印value
    stack.put(start_vertex)
    print(start_vertex.value)
    visited_vertex.add(start_vertex)
    while not stack.empty():
        vertex=stack.get()#出栈，对该节点的子节点进行访问
        for edge in vertex.outEdges:
            if edge.to in visited_vertex:#已访问节点
                continue
            else:
                print(edge.to.value)#访问子节点内容
                visited_vertex.add(edge.to)
                stack.put(vertex)#父节点与子节点入栈
                stack.put(edge.to)
                break