无向图-广度优先搜索和深度优先搜索

深度优先遍历简称DFS（Depth First Search），广度优先遍历简称BFS（Breadth First Search），它们是遍历图当中所有顶点的两种方式。

深度优先一般是解决连通性问题，而广度优先一般是解决最短路径问题

代码实现

import queue
class Graph:
    #所有节点信息
    nodeAll = []
    #记录节点是否已访问 0否 1是
    visited = []
    #所有的边
    edge = []
    #节点数量
    nodeNum = 0

    #构造方法，初始化整个无向图
    def __init__(self, nodeAll):
        self.nodeAll = nodeAll
        self.nodeNum = len(nodeAll)
        #初始化所有节点都未访问
        self.visited = [0] * self.nodeNum

        #创建一个二维数据，是浅拷贝，每一维的数组都是指向同一个内容地址，会有问题
        #test = [[0] * nodeNum] * nodeNum
        #test[0][1] = 1

        #创建一个二维数组，每次都会创建一个新的数组
        self.edge = [([0] * self.nodeNum) for i in range(self.nodeNum)]

    #添加边
    def addEdge(self, v1, v2):
        self.edge[v1][v2] = 1
        self.edge[v2][v1] = 1

    #深度优先搜索
    def dfs(self, v0):
        print('===',self.nodeAll[v0])
        #标记当前节点已被访问
        self.visited[v0] = 1
        for j in range(self.nodeNum):
            #如果当前节点有与之相邻的边，并且边的另一个节点没有被访问过
            if self.edge[v0][j] == 1 and self.visited[j] == 0:
                self.dfs(j)

    #广度优先搜索
    def bfs(self):
        self.visited = [0] * self.nodeNum
        #初始化一个队列，先进先出
        que = queue.Queue(0)
        for i in range(self.nodeNum):
            #如果当前节点没有被访问过
            if(self.visited[i] == 0):
                self.visited[i] = 1
                #将当前节点放入队列
                que.put(i)
                #队列不为空
                while(not que.empty()):
                    #取出第一个元素
                    curr = que.get()
                    print('===',self.nodeAll[curr])
                    for j in range(self.nodeNum):
                        # 如果当前节点有与之相邻的边，并且边的另一个节点没有被访问过
                        if self.edge[curr][j] == 1 and self.visited[j] == 0:
                            self.visited[j] = 1
                            que.put(j)


def test1():
    nodes = ['节点0', '节点1', '节点2', '节点3', '节点4', '节点5', '节点6']
    graph = Graph(nodes)
    graph.addEdge(0, 2)
    graph.addEdge(0, 1)
    graph.addEdge(0, 3)
    graph.addEdge(2, 4)
    graph.addEdge(1, 4)
    graph.addEdge(1, 5)
    graph.addEdge(3, 5)
    graph.addEdge(4, 6)
    graph.addEdge(5, 6)
    # 初始化无向图
    print('=====初始化无向图=====')
    print(graph.edge)

    print('=====深度优先搜索=====')
    graph.dfs(0)

    print('=====广度优先搜索=====')
    graph.bfs()

def test2():
    nodes = ['节点0','节点1', '节点2', '节点3', '节点4', '节点5', '节点6', '节点7', '节点8']
    graph = Graph(nodes)
    graph.addEdge(0, 1)
    graph.addEdge(0, 7)
    graph.addEdge(1, 2)
    graph.addEdge(1, 4)
    graph.addEdge(2, 3)
    graph.addEdge(3, 4)
    graph.addEdge(3, 5)
    graph.addEdge(5, 6)
    graph.addEdge(5, 7)
    graph.addEdge(7, 8)
    # 初始化无向图
    print('=====初始化无向图=====')
    print(graph.edge)

    print('=====深度优先搜索=====')
    graph.dfs(1)

    print('=====广度优先搜索=====')
    graph.bfs()

#测试
if(__name__ == '__main__'):
    test2()

 

参考资料：

图的广度优先搜索（BFS）和深度优先搜索（DFS）算法解析

基本算法——深度优先搜索（DFS）和广度优先搜索（BFS）

图的深度优先遍历和广度优先遍历