图的遍历 bfs和dfs，利用bfs寻找最短路径

ZHHHHHJ66

已于 2022-11-24 21:14:36 修改

阅读量1k

点赞数 4

文章标签：深度优先宽度优先算法

于 2022-09-29 16:39:16 首次发布

本文链接：https://blog.csdn.net/weixin_46187354/article/details/127109269

版权

bfs（广度优先遍历）

在这里插入图片描述

可以看到从一点出发，依次遍历它的邻接节点

bfs图解过程

在这里插入图片描述

可以看到通过队列先进先出的特性，可以完成无向图的bfs

实现代码

# 用一个字典来表示无向图，节点为key，邻接点组成的list为value
graph = {
    'A': ['B', 'C'],
    'B': ['A', 'C', 'D'],
    'C': ['A', 'B', 'D', 'E'],
    'D': ['B', 'C', 'E', 'F'],
    'E': ['C', 'D'],
    'F': ['D']
}


def bfs(graph: dict, start_point):
    """
    :param graph: 传进来的图
    :param start_point: 起始节点
    :return:
    """
    queue = []
    queue.append(start_point)
    # 储存已经访问过的节点
    seen = set()
    seen.add(start_point)
    while len(queue) > 0:
        point = queue.pop(0)
        nodes = graph[point]
        for node in nodes:
            # 如果这个节点没有被访问过
            if node not in seen:
                queue.append(node)
                seen.add(node)
        print(point)

利用bfs寻找最短路径

在这里插入图片描述

# 用一个字典来表示无向图，节点为key，邻接点组成的list为value
graph = {
    'A': ['B', 'C'],
    'B': ['A', 'C', 'D'],
    'C': ['A', 'B', 'D', 'E'],
    'D': ['B', 'C', 'E', 'F'],
    'E': ['C', 'D'],
    'F': ['D']
}

def find_shortest_path(graph: dict, start_point):
    """
    :param graph: 传进来的图
    :param start_point: 起始节点
    :return:
    """
    queue = []
    queue.append(start_point)
    # 储存已经访问过的节点
    seen = set()
    seen.add(start_point)
    # 存储上一个节点
    parent = {start_point: None}

    while len(queue) > 0:
        point = queue.pop(0)
        nodes = graph[point]
        for node in nodes:
            # 如果这个节点没有被访问过
            if node not in seen:
                queue.append(node)
                seen.add(node)
                parent[node] = point
        # print(point)
    return parent

if __name__ == '__main__':
    parent_dict = find_shortest_path(graph, "A")
    end = "E"
    while end != None:
        print(end, end='<-')
        end = parent_dict[end]

通过记录每个节点的父节点，倒推即可得到上一个节点即可得到图的最短路径

dfs(深度优先遍历)

在这里插入图片描述

从一个节点一路走到黑

dfs图解

在这里插入图片描述

利用栈先进后出的特性，完成对图的深度优先遍历

实现代码

graph = {
    'A': ['B', 'C'],
    'B': ['A', 'C', 'D'],
    'C': ['A', 'B', 'D', 'E'],
    'D': ['B', 'C', 'E', 'F'],
    'E': ['C', 'D'],
    'F': ['D']
}
def dfs(graph: dict, start_point):
    """
    :param graph: 传进来的图
    :param start_point: 起始节点
    :return:
    """
    stack = []
    stack.append(start_point)
    # 储存已经访问过的节点
    seen = set()
    seen.add(start_point)
    while len(stack) > 0:
        point = stack.pop()
        nodes = graph[point]
        for node in nodes:
            # 如果这个节点没有被访问过
            if node not in seen:
                stack.append(node)
                seen.add(node)
        print(point)