1.广度优先搜索
1 # 图的广度优先遍历 2 # 1.利用队列实现 3 # 2.从源节点开始依次按照宽度进队列，然后弹出 4 # 3.每弹出一个节点，就把该节点所有没有进过队列的邻接点放入队列 5 # 4.直到队列变空 6 from queue import Queue 7 def bfs(node): 8 if node is None: 9 return 10 queue = Queue() 11 nodeSet = set() 12 queue.put(node) 13 nodeSet.add(node) 14 while not queue.empty(): 15 cur = queue.get() # 弹出元素 16 print(cur.value) # 打印元素值 17 for next in cur.nexts: # 遍历元素的邻接节点 18 if next not in nodeSet: # 若邻接节点没有入过队，加入队列并登记 19 nodeSet.add(next) 20 queue.put(next)
2.深度优先搜索
1 # 图的深度优先遍历 2 # 1.利用栈实现 3 # 2.从源节点开始把节点按照深度放入栈，然后弹出 4 # 3.每弹出一个点，把该节点下一个没有进过栈的邻接点放入栈 5 # 4.直到栈变空 6 def dfs(node): 7 if node is None: 8 return 9 nodeSet = set() 10 stack = [] 11 print(node.value) 12 nodeSet.add(node) 13 stack.append(node) 14 while len(stack) > 0: 15 cur = stack.pop() # 弹出最近入栈的节点 16 for next in cur.nexts: # 遍历该节点的邻接节点 17 if next not in nodeSet: # 如果邻接节点不重复 18 stack.append(cur) # 把节点压入 19 stack.append(next) # 把邻接节点压入 20 set.add(next) # 登记节点 21 print(next.value) # 打印节点值 22 break # 退出，保持深度优先