Python图算法之深度优先搜索

深度优先搜索(Depth First Search, DFS)：
是一种用于遍历或搜索树或图的算法。沿着树的深度遍历树的节点，尽可能深的搜索树的分支。当节点v的所在边都己被探寻过，搜索将回溯到发现节点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并重复以上过程，整个进程反复进行直到所有节点都被访问为止。属于盲目搜索。
广度优先搜索算法(BFS)是一次建立搜索树的一层，而DFS算法则是尽可能深的搜索树的一枝。

深度优先森林：
当深度优先搜索算法建立一组树时，称之为深度优先森林。

拓扑排序：
将一个有向无圈图(DAG)转换为一个包含该图所有不重复顶点且路径不可逆的线性排列，称为“拓扑排序”，可以起到指示事件优先级的作用。

拓扑排序是深度优先搜索(DFS)的一个简单却有效的应用。

拓扑排序要满足以下两个条件：
1、每个顶点出现且只出现一次。
2、若A在序列中排在B的前面，则在图中不存在从B到A的路径。

			 ┌连通：又称强连通，只有一个极大连通子图(又称强连通分量)，为其本身。
	┌有向图——|			
	|		 └不连通：包含多个极大连通子图。
	|
图——|			   ┌只有一个极大连通子图(又称连通分量)，为其本身。
	|		┌连通——|
	|		|	   └极小连通子图为其生成树。
	└无向图——|
			|		 ┌多个极大连通子图。
			└不连通——|
			 		 └多个极小连通子图。

注意：
有向图没有极小连通子图的概念；无向连通图的极小连通子图为无向连通图的生成树。

强连通图：
指每个顶点皆可以经由该图上的边抵达其他每个点的有向图。即对于此图上每个点对(Va, Vb)，皆存在路径Va→Vb以及Vb→Va。

强连通分量(Strongly connected component)：
指一张有向图G的极大强连通子图G’。如果将每个强连通分量缩成一个点，则原图G将会变成一张有向无环图。有向环是一个强连通分量，而任何强连通分量皆具有至少一个有向环。强连通图只有一个强连通分量，即是其自身；非强连通的有向图有多个强连通分量。

连通分量：
无向图G的一个极大连通子图（即连通分量是图G中不被其他连通子图包含的连通子图，所以图G可以有多个连通分量）称为原图G的一个连通分量（或连通分支）。连通图只有一个连通分量，即其自身；非连通的无向图有多个连通分量。

Kosaraju、Tarjan、Gabow算法皆为寻找有向图强连通分量的有效算法。但是由于在Tarjan和Gabow算法的过程中，只需要进行一次深度优先搜索，因而相对Kosaraju算法较有效率，不过Kosaraju算法的优势是依次求出的强连通分量已经是拓扑排序的。

特殊深度优先搜索：
示例：
骑士周游是以创建深度最深并无分支的优先搜索树为目标。

骑士周游问题：
在国际象棋棋盘上仅用“骑士(马)”这个棋子进行操作，目的是找到一条可以让骑士访问所有格子，并且每个格子只能走一次的走棋序列。一个这样的走棋序列称为一次“周游”。

Warnsdorff规则：
指在所有可走且尚未经过的方格中，马只可能走这样一个方格：从该方格出发，马能跳的方格数最少；如果可跳的方格数相等，则从当前位置看，方格序号小的优先。依照这一规则往往可以找到一条路径，但是并不一定能够成功。

走棋规则：
如下图，骑士起始在36位置，在国际象棋中，骑士走棋(类似中国象棋中的马走日)只能从36跳到19、21、30、46、53、51、42、26。

骑士周游棋盘：

from pythonds.graphs import Graph

# 建立一个 n*n 棋盘对应的完整骑士周游图
def knightGraph(bdSize):
	ktGraph = Graph()										#实例化图类
	for row in range(bdSize):								
		for col in range(bdSize):							#遍历每个格
			nodeId = posToNodeId(row, col, bdSize)			#遍历生成每个节点的ID值
			# 以下3行可删除，若想显示棋盘，不可删除，若要周游，则需删除，因此处节点ID为str
			# if nodeId < 10:									
			# 	nodeId = '0' + str(nodeId)
			# print('  ' + str(nodeId), end = '')
			# 以上3行可删除，若想显示棋盘，不可删除，若要周游，则需删除，因此处节点ID为str
			newPositions = genLegalMoves(row, col, bdSize)	#单步合法走棋
			for e in newPositions:							#遍历每个可走棋位置
				nid = posToNodeId(e[0], e[1], bdSize)		#遍历生成当前格子可走棋位置的ID值
				# 以下3行可删除，若只想显示棋盘，也可删除，若要周游，则需删除，因此处节点ID为str
				# if nid < 10:									
				# 	nid = '0' + str(nid)
				# print('  ' + str(nid), end = '')
				# 以上3行可删除，若只想显示棋盘，也可删除，若要周游，则需删除，因此处节点ID为str
				ktGraph.addEdge