本文實(shí)例講述了python數(shù)據(jù)結(jié)構(gòu)之圖深度優(yōu)先和廣度優(yōu)先用法。分享給大家供大家參考。具體如下：

首先有一個(gè)概念：回溯

回溯法(探索與回溯法)是一種選優(yōu)搜索法，按選優(yōu)條件向前搜索，以達(dá)到目標(biāo)。但當(dāng)探索到某一步時(shí)，發(fā)現(xiàn)原先選擇并不優(yōu)或達(dá)不到目標(biāo)，就退回一步重新選擇，這種走不通就退回再走的技術(shù)為回溯法，而滿足回溯條件的某個(gè)狀態(tài)的點(diǎn)稱為“回溯點(diǎn)”。

深度優(yōu)先算法：

(1)訪問初始頂點(diǎn)v并標(biāo)記頂點(diǎn)v已訪問。

(2)查找頂點(diǎn)v的第一個(gè)鄰接頂點(diǎn)w。

(3)若頂點(diǎn)v的鄰接頂點(diǎn)w存在，則繼續(xù)執(zhí)行；否則回溯到v，再找v的另外一個(gè)未訪問過的鄰接點(diǎn)。

(4)若頂點(diǎn)w尚未被訪問，則訪問頂點(diǎn)w并標(biāo)記頂點(diǎn)w為已訪問。

(5)繼續(xù)查找頂點(diǎn)w的下一個(gè)鄰接頂點(diǎn)wi，如果v取值wi轉(zhuǎn)到步驟(3)。直到連通圖中所有頂點(diǎn)全部訪問過為止。

廣度優(yōu)先算法：

(1)頂點(diǎn)v入隊(duì)列。

(2)當(dāng)隊(duì)列非空時(shí)則繼續(xù)執(zhí)行，否則算法結(jié)束。

(3)出隊(duì)列取得隊(duì)頭頂點(diǎn)v；訪問頂點(diǎn)v并標(biāo)記頂點(diǎn)v已被訪問。

(4)查找頂點(diǎn)v的第一個(gè)鄰接頂點(diǎn)col。

(5)若v的鄰接頂點(diǎn)col未被訪問過的，則col入隊(duì)列。

(6)繼續(xù)查找頂點(diǎn)v的另一個(gè)新的鄰接頂點(diǎn)col，轉(zhuǎn)到步驟(5)。直到頂點(diǎn)v的所有未被訪問過的鄰接點(diǎn)處理完。轉(zhuǎn)到步驟(2)。

代碼：

#!/usr/bin/python

# -*- coding: utf-8 -*-

class Graph(object):

def __init__(self,*args,**kwargs):

self.node_neighbors = {}

self.visited = {}

def add_nodes(self,nodelist):

for node in nodelist:

self.add_node(node)

def add_node(self,node):

if not node in self.nodes():

self.node_neighbors[node] = []

def add_edge(self,edge):

u,v = edge

if(v not in self.node_neighbors[u]) and ( u not in self.node_neighbors[v]):

self.node_neighbors[u].append(v)

if(u!=v):

self.node_neighbors[v].append(u)

def nodes(self):

return self.node_neighbors.keys()

def depth_first_search(self,root=None):

order = []

def dfs(node):

self.visited[node] = True

order.append(node)

for n in self.node_neighbors[node]:

if not n in self.visited:

dfs(n)

if root:

dfs(root)

for node in self.nodes():

if not node in self.visited:

dfs(node)

print order

return order

def breadth_first_search(self,root=None):

queue = []

order = []

def bfs():

while len(queue)> 0:

node = queue.pop(0)

self.visited[node] = True

for n in self.node_neighbors[node]:

if (not n in self.visited) and (not n in queue):

queue.append(n)

order.append(n)

if root:

queue.append(root)

order.append(root)

bfs()

for node in self.nodes():

if not node in self.visited:

queue.append(node)

order.append(node)

bfs()

print order

return order

if __name__ == '__main__':

g = Graph()

g.add_nodes([i+1 for i in range(8)])

g.add_edge((1, 2))

g.add_edge((1, 3))

g.add_edge((2, 4))

g.add_edge((2, 5))

g.add_edge((4, 8))

g.add_edge((5, 8))

g.add_edge((3, 6))

g.add_edge((3, 7))

g.add_edge((6, 7))

print "nodes:", g.nodes()

order = g.breadth_first_search(1)

order = g.depth_first_search(1)

結(jié)果：

nodes: [1, 2, 3, 4, 5, 6, 7, 8]

廣度優(yōu)先：

[1, 2, 3, 4, 5, 6, 7, 8]

深度優(yōu)先：

[1, 2, 4, 8, 5, 3, 6, 7]

希望本文所述對(duì)大家的Python程序設(shè)計(jì)有所幫助。

總結(jié)

以上是生活随笔為你收集整理的python深度优先_python数据结构之图深度优先和广度优先实例详解的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。