1. 图
定义：图（Graph）是由顶点的有穷非空集合和顶点之间边的集合组成，通常表示为：G(V,E)，其中，G表示一个图，V是图G中顶点的集合，E是图G中边的集合.
简单点的说：图由节点和边组成。一个节点可能与众多节点直接相连，这些节点被称为邻居。
如二叉树就为一个简单的图：
2. 算法
1). 广度优先搜索：
广度优先搜索算法(Breadth First Search，BSF)，思想是：
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。
如上图的BFS访问顺序为：
2). 深度优先搜索：
图的深度优先搜索(Depth First Search, DFS)，和树的前序遍历非常类似。
它的思想：
如上图的BFS访问顺序为：
3. 代码
# -*- coding: utf-8 -*-
#/usr/bin/python
from collections import deque
import sys
class Graph(object):
def __init__(self, *args, **kwargs):
self.order = [] #visited order
self.neighbor = {}
def add_node(self, node):
key,val = node
if not isinstance(val, list):
print('node value should be a list')
#sys.exit('failed for wrong input')
self.neighbor[key] = val
def broadth_first(self, root):
if root != None:
search_queue = deque()
search_queue.append(root)
visited = []
else:
print('root is None')
return -1
while search_queue:
person = search_queue.popleft()
self.order.append(person)
if (not person in visited) and (person in self.neighbor.keys()):
search_queue += self.neighbor[person]
visited.append(person)
def depth_first(self, root):
if root != None:
search_queue = deque()
search_queue.append(root)
visited = []
else:
print('root is None')
return -1
while search_queue:
person = search_queue.popleft()
self.order.append(person)
if (not person in visited) and (person in self.neighbor.keys()):
tmp = self.neighbor[person]
tmp.reverse()
for index in tmp:
search_queue.appendleft(index)
visited.append(person)
#self.order.append(person)
def clear(self):
self.order = []
def node_print(self):
for index in self.order:
print(index, end=' ')
if __name__ == '__main__':
g = Graph()
g.add_node(('1',['one', 'two','three']))
g.add_node(('one',['first','second','third']))
g.add_node(('two',['1','2','3']))
g.broadth_first('1')
print('broadth search first:')
print(' ', end=' ')
g.node_print()
g.clear()
print('\n\ndepth search first:')
print(' ', end=' ')
g.depth_first('1')
g.node_print()
print()
ps: 以上代码需要用python3.x运行，python2.x不支持print的关键字参数
PS2: 以上代码有些许不完善，如果你有改进的方法，请留言，万分感谢！