重頭戲部分來了,寫到這裏我感覺得仔細認真點了,可能在NetworkX中,實現某些算法就一句話的事,但是這個算法是做什麽的,用在什麽地方,原理是怎麽樣的,不清除,所以,我決定先把圖論中常用算法弄個明白在寫這部分.

圖論常用算法看我的博客:

下面我將使用NetworkX實現上面的算法,建議不清楚的部分打開兩篇博客對照理解.
我將圖論的經典問題及常用算法的總結寫在下面兩篇博客中:
圖論---問題篇
圖論---算法篇

目錄:

註意:如果代碼出現找不庫,請返回第一個教程,把庫文件導入.

11.6廣度優先搜索算法(BFS)

1. #構建一個長度為10的路徑

   ---

2. G = nx.path_graph(10
   )

   ---

3. ---

4. #顯示graph

   ---

5. nx.draw_spring(G,with_labels=True)

   ---

6. plt.axis(‘on‘)

   ---

7. plt.xticks([])

   ---

8. plt.yticks([])

   ---

9. plt.show()

   ---

10. ---

11. #以4為頂點,廣度遍歷

    ---

12. print(list(nx.bfs_tree(G,4).edges()))

    ---

輸出:

[(1, 0), (2, 1), (3, 2), (4, 3), (4, 5), (5, 6), (6, 7), (7, 8), (8, 9)]

11.7深度優先搜索算法(DFS)

1. #構建一個長度為10的路徑

   ---

2. G = nx.path_graph(10
   )

   ---

3. ---

4. #顯示graph

   ---

5. nx.draw_spring(G,with_labels=True)

   ---

6. plt.axis(‘on‘)

   ---

7. plt.xticks([])

   ---

8. plt.yticks([])

   ---

9. plt.show()

   ---

10. ---

11. #以5為頂點,深度遍歷,限定深度為3

    ---

12. T = nx.dfs_tree(G, source=5, depth_limit=3)

    ---

13. list(T.edges())

    ---

輸出:

[(3, 2), (4, 3), (5, 4), (5, 6), (6, 7), (7, 8)]

NetworkX系列教程(10)-算法之五:廣度優先與深度優先