Python 非递归遍历图

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。