图及算法----遍历算法（迭代实现）

        一直以来，对关于算法怎么一步步的说教不感冒，嗯，这次知道这个问题怎么做怎么做，确实解决了这个问题！但是跟多问题来了，这世界上形形色色的算法太多，

有的算法流程还超长，还有就是脑子不够用啊，哪里能记住这么多细节啊，就算记住了也不可能长久啊，就算要记也只能记住些典型（划算点）。怎么办爱情甜又酸（vae）？

　　不啰嗦了，这次关照的是图遍历（搜索），模型的假设：

1. 图是一张网，而你是一只爬虫，爬虫想把每个节点检查一下是否牢固；

2. 作为Actor爬虫，是有状态的对象，每次处于不同的环境需要更新状态；

3. 每次更新状态的方式是类似的。

　　结合本人经验：一个迭代算法通常要考虑-->

a. 有哪些状态，背景与环境 需要维护；

b. 如何初始化相关量；

c. 状态如何更新；

d. 状态何时更新。

迭代的循环性质，似乎从哪个切点进入或初始化都可以？

没错，这与差分方程与微分方程有点像，初始状态很重要

class Graph: 
    def __init__(self): 
        self.graph: Dict[str, List[str]] = defaultdict(list)
    
    def addEdge(self, u, v): 
        self.graph[u].append(v)
        
def dfs_traverse(graph, start):
    visited, stack = set(), [start]
    while stack:
        node = stack.pop()
        if node not in visited:
            visited.add(node)
            for nextNode in graph[node]:
                if nextNode not in visited:
                    stack.append(nextNode)
    return visited


def bfs_traverse(graph, start):
    visited, queue = set(), [start]
    while queue:
        node = queue.pop(0)   # 访问的操作包括将该节点纳入被访问集合，并将其子节点纳入待访问队列
        if node not in visited:
            visited.add(node)
            for nextNode in graph[node]:
                if nextNode not in visited:
                    queue.append(nextNode)
    return visited

# 想象有个Actor在结构上行走，它必须维护它的状态的变更，这是搜索的本质

def BFS(graph, s): 
    visited = set()
    queue = [] 
    queue.append(s)  # 维护已经被访问的节点，并以此来访问其子节点
    while queue: 
        s = queue.pop(0) 
        print(s, end=" ") 
        for i in graph[s]: 
            if i not in visited: 
                visited.add(i)
                queue.append(i) 
    return visited

def BFS2(graph, s): 
    visited = set()
    queue = [] 
    while True:
        print(s, end=" ") 
        for i in graph[s]: 
            if i not in visited: 
                visited.add(i)
                queue.append(i)
        if queue:
            s = queue.pop(0) 
        else:
            break
        
        print(queue)
    return visited