python数据结构之图深度优先和广度优先实例详解

本文实例讲述了python数据结构之图深度优先和广度优先用法。分享给大家供大家参考。具体如下：

首先有一个概念：回溯

　　回溯法(探索与回溯法)是一种选优搜索法，按选优条件向前搜索，以达到目标。但当探索到某一步时，发现原先选择并不优或达不到目标，就退回一步重新选择，这种走不通就退回再走的技术为回溯法，而满足回溯条件的某个状态的点称为"回溯点"。

深度优先算法：

（1）访问初始顶点v并标记顶点v已访问。
（2）查找顶点v的第一个邻接顶点w。
（3）若顶点v的邻接顶点w存在，则继续执行；否则回溯到v，再找v的另外一个未访问过的邻接点。
（4）若顶点w尚未被访问，则访问顶点w并标记顶点w为已访问。
（5）继续查找顶点w的下一个邻接顶点wi，如果v取值wi转到步骤（3）。直到连通图中所有顶点全部访问过为止。

广度优先算法：

（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）。

代码：

    #!/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)

结果：

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

广度优先：
[1, 2, 3, 4, 5, 6, 7, 8]

深度优先：

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

希望本文所述对大家的Python程序设计有所帮助。