python实现图的深度优先搜索和广度优先搜索

要用的图

1. 深度优先搜索介绍

图的深度优先搜索(Depth First Search)，和树的先序遍历比较类似。

它的思想：假设初始状态是图中所有顶点均未被访问，则从某个顶点v出发，首先访问该顶点，然后依次从它的各个未被访问的邻接点出发深度优先搜索遍历图，直至图中所有和v有路径相通的顶点都被访问到。 若此时尚有其他顶点未被访问到，则另选一个未被访问的顶点作起始点，重复上述过程，直至图中所有顶点都被访问到为止。

显然，深度优先搜索是一个递归的过程。

1. 广度优先搜索介绍

广度优先搜索算法(Breadth First Search)，又称为"宽度优先搜索"或"横向优先搜索"，简称BFS。

它的思想是：从图中某顶点v出发，在访问了v之后依次访问v的各个未曾访问过的邻接点，然后分别从这些邻接点出发依次访问它们的邻接点，并使得“先被访问的顶点的邻接点先于后被访问的顶点的邻接点被访问，直至图中所有已被访问的顶点的邻接点都被访问到。如果此时图中尚有顶点未被访问，则需要另选一个未曾被访问过的顶点作为新的起始点，重复上述过程，直至图中所有顶点都被访问到为止。

换句话说，广度优先搜索遍历图的过程是以v为起点，由近至远，依次访问和v有路径相通且路径长度为1,2...的顶点。

# -*- coding: utf-8 -*-"""Created on Wed Sep 27 00:41:25 2017@author: my"""from collections import OrderedDictclass graph:    nodes=OrderedDict({})#有序字典            def toString(self):       for key in self.nodes:           print key+'邻接点为'+str(self.nodes[key].adj)                def add(self,data,adj,tag):        n=Node(data,adj)        self.nodes[tag]=n                for vTag in n.adj:            if self.nodes.has_key(vTag) and tag not in  self.nodes[vTag].adj:                self.nodes[vTag].adj.append(tag)    visited=[]        def dfs(self,v):        if v not in self.visited:            self.visited.append(v)            print v            for adjTag in self.nodes[v].adj:                self.dfs(adjTag)    visited2=[]    def bfs(self,v):            queue=[]        queue.insert(0,v)        self.visited2.append(v)        while(len(queue)!=0):            top=queue[len(queue)-1]            for temp in self.nodes[top].adj:                if temp not in self.visited2:                    self.visited2.append(temp)                    queue.insert(0,temp)            print top            queue.pop()                class Node:    data=0    adj=[]    def __init__(self,data,adj):        self.data=data        self.adj=adjg=graph()g.add(0,['e','c'],'a')g.add(0,['a','g'],'b')g.add(0,['a','e'],'c')g.add(0,['a','f'],'d')g.add(0,['a','c','f'],'e')g.add(0,['d','g','e'],'f')g.add(0,['b','f'],'g')g.toString()print '深度优先遍历的结构为'g.dfs('c')print '广度优先遍历的结构为'g.bfs('c')