DFS的简要说明
深度优先搜索(depth-first-search),是沿着树的搜索遍历树的节点,尽可能深的搜索树的分支,当节点v的所有边都已被探寻过,搜索将回溯到节点v的那条边的起始节点。这一过程一直进行到已发现从源节点可达的所有节点为止。如果还存在未被发现的节点,则选择其中一个作为源节点重复以上过程,整个进程直到所有的节点都被访问为止。
DFS是图论里面的一种搜索算法,由一个根节点触发,遍历所有子节点,进而把图中所有的可以构成树的集合都搜索一遍,达到全局搜索的目的。但时间复杂度太高,我们也叫暴力搜索。
DFS如同数据结构里的栈结构,属于先进后出的结构。
DFS序:
a->b->e->b->f->c->f->b->c->b->a->c->a->d->g->d->a
BFS的简要说明
广度优先搜索,按层遍历每一种状态的下一种状态。
BFS与数据结构中的队列相似.
Code
graph={
'A':['B','C'],
'B':['A','C','D'],
'C':['A','B','D','E'],
'D':['B','C','E','F'],
'E':['C','D'],
'F':['D']
}
#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 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)