python实现图的基础算法

        众所周知，广度优先搜索和深度优先搜索是十分常用的算法，它们被应用于图论中，可以用来查找图中的一个元素，而本篇文章将介绍如何用python实现这些功能。

建立树：

        1、顺序存储：

                顺序存储是一种工具简单，消耗脑力的一种方法，这种方法可以直接使用列表进行存储，但要进行各类操作的话十分麻烦，容易被绕晕。

        2、字典存储：
                这种方法在C里面就是结构体，而换成python就是使用字典，为了实现一对多，我们可以设字典的值为一个字典，然后字典套字典，这样就能快速理清思路了。

tree={1:{2:{4:{},5:{}},3:{6:{},7:{}}}

建立图：

         1、二维数组存储：

                这种方法十分费空间，因为会产生大量的无图区，所以非常不建议使用。

         2、连接存储：

                这种方法是大概是这样：

                        设第一维为连接主

                        而第二维为连接者

                        这样就可以使空量为0

                

picture=[]
for i in range(100):
    picture[i]=[]
    for k in range(100):
        picture[i][k]=i

        当然，这只是最初步的，我们重点是要做出算法来。就先从深度优先搜索开始吧。深度优先搜索是采用递归算法实现的,因为深搜需要借助栈来辅助，而是用递归就可以直接使用系统栈。而我们则查找最好的满二叉树。创建方法在上面已经写过了，就不多写了。接着就要理清思路：

 定义函数 深度优先搜索（查找值，当前值，二叉树深度，当前深度）：
        如果 当前值==查找值：

                返回 真

        否则如果 当前深度==二叉树深度：

                返回 假

        否则：

                如果 深度优先搜索（查找值，树的（当前值的下标*2）项，二叉树深度，当前深度+1）==真 或者 深度优先搜索（查找值，树的（当前值的下标*2+1）项，二叉树深度，当前深度+1）：

                        返回 真

                否则：

                        返回 假

        理清了思路，就好写代码了：

t=[]
for i in range(63):
    t.append(i)
def dfs(k,d,t,dt):
    if k==d:
        return True
    else if t==dt:
        return False
    else:
        if dfs(k,t[t.index(d)*2],t,dt+1)==True or dfs(k,t[t.index(d)*2+1],t,dt+1)==True:
            return True
        else:
            return False
dfs(9,0,1,6)

        深度优先搜索算法搞定了，就该讲广度优先算法，也叫宽度优先算法。这种算法就跟铺地锦一样，它是从远到近蔓延过去的。编程的话就可以先建一个循环，这个循环就作为树的层次，而在这个循环中还要套一个循环，这个循环用于查找这一层内的所有子树的信息：

t=[]
for i in range(63):
    t.append(i)
i=0
k=0
while i<6:
    for i in range(k,k+2^i):
        if t[i]==5:
            print(i) 
    k+=2^i   
    i+=1

        好了关于树的算法就到这里了，由此可见，算法并不限于编程语言，只要思想在，任何编程语言都是可以实现的。