DFS深度优先搜索和BFS广度优先搜索

广度优先搜索BFS：常见应用是找出从根结点到目标结点的最短路径。在本文中，我们提供了一个示例来解释在 BFS 算法中是如何逐步应用队列的。比如下图如果从A开始，先找到A再找到BC 然后从B找到D，再从C找到E，之后从D又找到F结束，E下面没有了，即输出ABCDEF。思路：一层一层的来
深度优先算法DFS：寻找起始节点与目标节点之间路径的算法，常用于搜索逃出迷宫的路径。主要思想是，从入口开始，依次搜寻周围可能的节点坐标，但不会重复经过同一个节点，且不能通过障碍节点。如果走到某个节点发现无路可走，那么就会回退到上一个节点，重新选择其他路径。直到找到出口，或者退到起点再也无路可走，游戏结束。当然，深度优先算法，只要查找到一条行得通的路径，就会停止搜索；也就是说只要有路可走，深度优先算法就不会回退到上一步。比如从下图A开始，随便找一条路一直走到底，直到不能走为止，如从ABDF到F后无路了，然后再返回D，从D随便选个E走，然后从E到C，到C后发现所有点都走完了之后从C返回E，从E返回D，从D返回B，再返回到A。会跳忽略，最终会输出ABDFEC 备注：输出结果不是唯一的 思路：一条路走到黑，然后往回走

#定义一个图的结构
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指的是开始结点
    #需要一个队列
    queue=[]
    queue.append(s)
    seen=set()#看是否访问过该结点
    seen.add(s)
    while (len(queue)>0):
        vertex=queue.pop(0)#保存第一结点，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指的是深度优先搜索    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
 
 
#其实并不难，只要把队列改成栈就可以了
def DFS(graph,s):#图  s指的是开始结点
    #需要一个队列
    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)
        print(vertex)