图的深度优先搜索类似于树的先根次序遍历;图的广度优先搜索类似于图的层次遍历。首先利用邻接矩阵作存储结构,编写图的深度优先搜索和广度优先搜索。 测试数据: 6 10 //顶点数 边数 ABCDEF //顶点 (0,1),( 0,2),(0,3),( 0,4),( 1,2),( 1,3),( 2,3),( 2,5),( 3,4),( 3,5), //边 输出该图深度优先搜索和广度优先搜索访问顺序。
时间: 2023-08-06 09:03:47 浏览: 30
以下是使用邻接矩阵存储图的深度优先搜索和广度优先搜索的Python代码:
```python
class Graph:
def __init__(self, vertices):
self.vertices = vertices
self.adj_matrix = [[0 for _ in range(vertices)] for _ in range(vertices)]
def add_edge(self, u, v):
self.adj_matrix[u][v] = 1
self.adj_matrix[v][u] = 1
def dfs(self, start):
visited = [False] * self.vertices
self._dfs(start, visited)
def _dfs(self, vertex, visited):
visited[vertex] = True
print(chr(vertex + 65), end=" ")
for i in range(self.vertices):
if self.adj_matrix[vertex][i] == 1 and not visited[i]:
self._dfs(i, visited)
def bfs(self, start):
visited = [False] * self.vertices
queue = []
queue.append(start)
visited[start] = True
while queue:
vertex = queue.pop(0)
print(chr(vertex + 65), end=" ")
for i in range(self.vertices):
if self.adj_matrix[vertex][i] == 1 and not visited[i]:
queue.append(i)
visited[i] = True
g = Graph(6)
g.add_edge(0, 1)
g.add_edge(0, 2)
g.add_edge(0, 3)
g.add_edge(0, 4)
g.add_edge(1, 2)
g.add_edge(1, 3)
g.add_edge(2, 3)
g.add_edge(2, 5)
g.add_edge(3, 4)
g.add_edge(3, 5)
print("DFS traversal:")
g.dfs(0)
print("\nBFS traversal:")
g.bfs(0)
```
输出结果为:
```
DFS traversal:
A B C D E F
BFS traversal:
A B C D E F
```
其中,`A`、`B`、`C`、`D`、`E`、`F` 分别代表六个顶点,`0`、`1`、`2`、`3`、`4`、`5` 分别是这六个顶点的编号。可以看到,深度优先搜索的访问顺序是 `A B C D E F`,广度优先搜索的访问顺序也是 `A B C D E F`。