class Queue: def __init__(self,max_size): self.max_size = int(max_size) self.queue = [] def put(self,data): if self.max_size > 0: if self.full(): raise ValueError('Queue is full!') else: self._put(data) def get(self): if self._queue_size() > 0: result = self._get() empty_flag = False else: result = None empty_flag = True return result def empty(self): if self._queue_size() == 0: return True else: return False def full(self): if self._queue_size() == self.max_size: return True else: return False def _put(self,data): self.queue.append(data) def _get(self): result = self.queue[0] self.queue.pop(0) return result def _queue_size(self): return len(self.queue) def travel_dbfs(self,first_node):#图的深度遍历 stack_lsit = [] visited = [] stack_lsit.append(first_node) visited.append(first_node) while len(stack_lsit) > 0: x = stack_lsit[-1] for w in x.neighbor_list: if not w in visited: print(w.data) visited.append(w) stack_lsit.append(w) break if stack_lsit[-1] == x: stack_lsit.pop() def travel_bfs(self,first_node):#图的广度遍历 queue = Queue(100000) visited = [] queue.put(first_node) visited.append(first_node) while not queue.empty(): v =queue.get() i = 1 try: w=v.neighbor_list[i] except IndexError: w = None while w: if not w in visited: print(w.name) visited.append(w) queue.put(w) i = i+1 try: w = v.neighbor_list[i] except IndexError: w = None class GraphNode: def __init__(self,data): self.neighbor_list = [] self.data = data
深度优先遍历与广度优先遍历
深度优先遍历
1．深度优先遍历的递归定义
假设给定图G的初态是所有顶点均未曾访问过。在G中任选一顶点v为初始出发点(源点)，则深度优先遍历可定义如下：首先访问出发点v，并将其标记为已访问过；然后依次从v出发搜索v的每个邻接点w。若w未曾访问过，则以w为新的出发点继续进行深度优先遍历，直至图中所有和源点v有路径相通的顶点(亦称为从源点可达的顶点)均已被访问为止。若此时图中仍有未访问的顶点，则另选一个尚未访问的顶点作为新的源点重复上述过程，直至图中所有顶点均已被访问为止。
图的深度优先遍历类似于树的前序遍历。采用的搜索方法的特点是尽可能先对纵深方向进行搜索。这种搜索方法称为深度优先搜索(Depth-First Search)。相应地，用此方法遍历图就很自然地称之为图的深度优先遍历
2.基本实现思想：
（1）访问顶点v；
（2）从v的未被访问的邻接点中选取一个顶点w，从w出发进行深度优先遍历；
（3）重复上述两步，直至图中所有和v有路径相通的顶点都被访问到。
3.伪代码
递归实现
（1）访问顶点v；visited[v]=1；//算法执行前visited[n]=0
（2）w=顶点v的第一个邻接点；
（3）while（w存在）
if（w未被访问）
从顶点w出发递归执行该算法；
w=顶点v的下一个邻接点；
非递归实现
（1）栈S初始化；visited[n]=0；
（2）访问顶点v；visited[v]=1；顶点v入栈S
（3）while(栈S非空)
x=栈S的顶元素(不出栈)；
if(存在并找到未被访问的x的邻接点w)
访问w；visited[w]=1；
w进栈;
else
x出栈；
广度优先遍历
1.广度优先遍历定义
图的广度优先遍历BFS算法是一个分层搜索的过程，和树的层序遍历算法类同，它也需要一个队列以保持遍历过的顶点顺序，以便按出队的顺序再去访问这些顶点的邻接顶点。
2.基本实现思想
（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）。
广度优先遍历图是以顶点v为起始点，由近至远，依次访问和v有路径相通而且路径长度为1，2，……的顶点。为了使“先被访问顶点的邻接点”先于“后被访问顶点的邻接点”被访问，需设置队列存储访问的顶点。
3.伪代码
（1）初始化队列Q；visited[n]=0；
（2）访问顶点v；visited[v]=1；顶点v入队列Q；
（3） while（队列Q非空）
v=队列Q的对头元素出队；
w=顶点v的第一个邻接点；
while（w存在）
如果w未访问，则访问顶点w；
visited[w]=1；
顶点w入队列Q；
w=顶点v的下一个邻接点。