python深度优先非递归_Python 非递归遍历图

classQueue:def __init__(self,max_size):

self.max_size=int(max_size)

self.queue=[]defput(self,data):if self.max_size >0:ifself.full():raise ValueError('Queue is full!')else:

self._put(data)defget(self):if self._queue_size() >0:

result=self._get()

empty_flag=Falseelse:

result=None

empty_flag=Truereturnresultdefempty(self):if self._queue_size() ==0:returnTrueelse:returnFalsedeffull(self):if self._queue_size() ==self.max_size:returnTrueelse:returnFalsedef_put(self,data):

self.queue.append(data)def_get(self):

result=self.queue[0]

self.queue.pop(0)returnresultdef_queue_size(self):returnlen(self.queue)def travel_dbfs(self,first_node):#图的深度遍历

stack_lsit =[]

visited=[]

stack_lsit.append(first_node)

visited.append(first_node)while len(stack_lsit) >0:

x= stack_lsit[-1]for w inx.neighbor_list:if not w invisited:print(w.data)

visited.append(w)

stack_lsit.append(w)break

if stack_lsit[-1] ==x:

stack_lsit.pop()def travel_bfs(self,first_node):#图的广度遍历

queue = Queue(100000)

visited=[]

queue.put(first_node)

visited.append(first_node)while notqueue.empty():

v=queue.get()

i= 1

try:

w=v.neighbor_list[i]exceptIndexError:

w=Nonewhilew:if not w invisited:print(w.name)

visited.append(w)

queue.put(w)

i= i+1

try:

w=v.neighbor_list[i]exceptIndexError:

w=NoneclassGraphNode:def __init__(self,data):

self.neighbor_list=[]

self.data= data

深度优先遍历与广度优先遍历

深度优先遍历

1．深度优先遍历的递归定义

假设给定图G的初态是所有顶点均未曾访问过。在G中任选一顶点v为初始出发点(源点)，则深度优先遍历可定义如下：首先访问出发点v，并将其标记为已访问过；然后依次从v出发搜索v的每个邻接点w。若w未曾访问过，则以w为新的出发点继续进行深度优先遍历，直至图中所有和源点v有路径相通的顶点(亦称为从源点可达的顶点)均已被访问为止。若此时图中仍有未访问的顶点，则另选一个尚未访问的顶点作为新的源点重复上述过程，直至图中所有顶点均已被访问为止。

图的深度优先遍历类似于树的前序遍历。采用的搜索方法的特点是尽可能先对纵深方向进行搜索。这种搜索方法称为深度优先搜索(Depth-First Search)。相应地，用此方法遍历图就很自然地称之为图的深度优先遍历

2.基本实现思想：

(1)访问顶点v；

(2)从v的未被访问的邻接点中选取一个顶点w，从w出发进行深度优先遍历；

(3)重复上述两步，直至图中所有和v有路径相通的顶点都被访问到。

3.伪代码

递归实现

(1)访问顶点v；visited[v]=1；//算法执行前visited[n]=0

(2)w=顶点v的第一个邻接点；

(3)while(w存在)

if(w未被访问)

从顶点w出发递归执行该算法；

w=顶点v的下一个邻接点；

非递归实现

(1)栈S初始化；visited[n]=0；

(2)访问顶点v；visited[v]=1；顶点v入栈S

(3)while(栈S非空)

x=栈S的顶元素(不出栈)；

if(存在并找到未被访问的x的邻接点w)

访问w；visited[w]=1；

w进栈;

else

x出栈；

广度优先遍历

1.广度优先遍历定义

图的广度优先遍历BFS算法是一个分层搜索的过程，和树的层序遍历算法类同，它也需要一个队列以保持遍历过的顶点顺序，以便按出队的顺序再去访问这些顶点的邻接顶点。

2.基本实现思想

(1)顶点v入队列。

(2)当队列非空时则继续执行，否则算法结束。

(3)出队列取得队头顶点v；访问顶点v并标记顶点v已被访问。

(4)查找顶点v的第一个邻接顶点col。

(5)若v的邻接顶点col未被访问过的，则col入队列。

(6)继续查找顶点v的另一个新的邻接顶点col，转到步骤(5)。

直到顶点v的所有未被访问过的邻接点处理完。转到步骤(2)。

广度优先遍历图是以顶点v为起始点，由近至远，依次访问和v有路径相通而且路径长度为1，2，……的顶点。为了使“先被访问顶点的邻接点”先于“后被访问顶点的邻接点”被访问，需设置队列存储访问的顶点。

3.伪代码

(1)初始化队列Q；visited[n]=0；

(2)访问顶点v；visited[v]=1；顶点v入队列Q；

(3) while(队列Q非空)

v=队列Q的对头元素出队；

w=顶点v的第一个邻接点；

while(w存在)

如果w未访问，则访问顶点w；

visited[w]=1；

顶点w入队列Q；

w=顶点v的下一个邻接点。