图解BFS算法和DFS算法

BFS算法
- 算法思路
- 实现过程
- Python代码实现
DFS算法
- 算法思路
- 实现过程
- Python代码实现

BFS算法

BFS类似于树的层次遍历过程,从根节点开始，沿着树的宽度遍历树的节点。如果所有节点均被访问，则算法中止。
舍去空间换时间。

算法思路

队列（先进先出）

1、创建一个空队列queue（用来存放节点）和一个空列表visit（用来存放已访问的节点）

2、依次将起始点及邻接点加入queue和visit中

3、poo出队列中最先进入的节点,从图中获取该节点的邻接点

4、如果邻接点不在visit中，则将该邻接点加入queue和visit中

5、输出pop出的节点

6、重复3、4、5，直至队列为空

实现过程

如图：从A开始

1、A进入队列

2、A出队列时，A的邻接结点B、C、D进入队列

3、B出队列时，B的邻接结点A、E、F中未进过队列的E、F进入队列

4、C出队列时，C的邻接结点A、D、F、G、中未进过队列的G进入队列

5、D出队列时，D的邻接结点A、C、G已经全部进入过队列

6、E出队列，邻接结点均已进入过队列

7、F出队列，邻接结点均已进入过队列

8、G出队列，邻接结点均已进入过队列

结果： A B C D E F G

Python代码实现

用字典结构表示


graph = {'A' : ['B','C','D'],'B' : ['A','E','F'],'C' : ['A','D','F','G'],'D' : ['A','C','G'],'E' : ['B'],'F' : ['B','C'],'G' : ['C','D']
}

BFS


def BFS(start,graph):queue =[]visit = []queue.append(start)visit.append(start)while queue:node = queue.pop(0)nodes = graph[node]for i in nodes:if i not in visit:queue.append(i)visit.append(i)print(node,end='\t')

运行结果：

DFS算法

DFS沿着树的深度遍历树的节点，
选一条路一直走到底，回溯，遍历所有的子节点，进而达到全局搜索的目的。

算法思路

栈（先进后出）
和BFS相似，只是稍微做了一丝改变

1、创建一个空栈stack（用来存放节点）和一个空列表visit（用来存放已访问的节点）

2、依次将起始点及邻接点加入stack和visit中

3、poo出栈中最后进入的节点,从图中获取该节点的邻接点

4、如果邻接点不在visit中，则将该邻接点加入stack和visit中

5、输出pop出的节点

6、重复3、4、5，直至栈为空

实现过程

如图：从A开始

1、A进入堆栈

2、A出堆栈时，A的邻接结点B、C、D进入堆栈

3、D出堆栈时，D的邻接结点A、C、G中未进过堆栈的G进入堆栈

4、G出堆栈时，G的邻接结点C、D已经全部进入过堆栈

5、C出堆栈时，C的邻接结点A、D、F、G中未进过堆栈的F进入堆栈

6、F出堆栈，邻接结点均已进入过堆栈

7、B出堆栈，邻接结点E进入堆栈

8、E出堆栈

结果： A D G C F B E

Python代码实现


graph = {'A' : ['B','C','D'],'B' : ['A','E','F'],'C' : ['A','D','F','G'],'D' : ['A','C','G'],'E' : ['B'],'F' : ['B','C'],'G' : ['C','D']
}
def DFS(start,graph):stack = []visit = []stack.append(start)visit.append(start)while stack:node = stack.pop()nodes = graph[node]for i in nodes:if i not in visit:stack.append(i)visit.append(i)print(node,end='\t')DFS('A',graph)

运行结果：

BFS算法和DFS算法（含图解：简单易懂）相关推荐

拓扑排序（Topological Sorting）：Kahn 算法和 DFS 算法
拓扑排序(Topological Sorting):Kahn 算法和 DFS 算法 Kahn 算法 DFS 算法拓扑排序(TopoSort)有相当广泛的应用,比如依赖关系分析.图是否有环的检测.编译 ...
拓扑排序的两种实现：Kahn算法和dfs算法
本文将从以下几个方面介绍拓扑排序: 拓扑排序的定义和前置条件和离散数学中偏序/全序概念的联系典型实现算法 Kahn算法基于DFS的算法解的唯一性问题实际例子取材自以下材料: http:// ...
拓扑排序（kahn算法和dfs算法）
拓扑排序 1定义 2两种拓扑排序算法 2.1kahn算法 2.1dfs算法(染色) 1定义拓扑排序(Topological Sorting) 给定一张有向无环图 ,排出所有顶点的一个序列A,满足: ...
数据结构与算法—最小生成树(Prim算法和Kruskal算法算法详解)
前言在数据结构与算法的图论中,(生成)最小生成树算法是一种常用并且和生活贴切比较近的一种算法.但是可能很多人对概念不是很清楚.我们看下百度百科对于最小生成树定义: 一个有 n 个结点的连通图的生成树 ...
dijkstra算法和A*算法
转自: https://www.cnblogs.com/21207-iHome/p/6048969.html#undefined Dijkstra算法迪杰斯特拉(Dijkstra)算法是典型的最短路 ...
Kruskal算法和Prim算法
Kruskal算法和Prim算法在无向图中,连通且不含圈的图称为树.给定一个无向图G=(V,E),连通G中所有点,且边集使E的子集的树称为G的生成树,其中权值最小的生成树称为最小生成树(MST).构 ...
BF算法和KMP算法
给定两个字符串S和T,在主串S中查找子串T的过程称为串匹配(string matching,也称模式匹配),T称为模式.这里将介绍处理串匹配问题的两种算法,BF算法和KMP算法. BF算法 (暴力匹配 ...
Prim算法和Kruskal算法
Prim算法和Kruskal算法都能从连通图找出最小生成树.区别在于Prim算法是以某个顶点出发挨个找,而Kruskal是先排序边,每次选出最短距离的边再找. 一.Prim(普里姆算法)算法: ...
基于Huffman算法和LZ77算法的文件压缩的改进方向
基于Huffman算法和LZ77算法的文件压缩(八) 到这里已经简单实现基于Huffman算法和LZ77算法的文件压缩, GitHub源码:点我根据基于Huffman算法和LZ77算法的文件压缩(七 ...
使用Apriori算法和FP-growth算法进行关联分析
目录 1. 关联分析 2. Apriori原理 3. 使用Apriori算法来发现频繁集 4. 使用FP-growth算法来高效发现频繁项集 5. 示例:从新闻网站点击流中挖掘新闻报道扩展阅读系列 ...

BFS算法和DFS算法（含图解：简单易懂）

图解BFS算法和DFS算法

BFS算法

算法思路

实现过程

Python代码实现

DFS算法

算法思路

实现过程

Python代码实现

BFS算法和DFS算法（含图解：简单易懂）相关推荐

最新文章

热门文章