DFS算法可视化

（一）实验目的

本次实验的目的是深入理解深度优先搜索（DFS）算法的原理和执行过程。通过使用 Python 的 networkx 库构建复杂图结构，并对其进行 DFS 遍历，同时利用 matplotlib 库将遍历过程可视化展示，从而更直观地掌握 DFS 算法在图中的应用。

（二）实验内容

• 构建复杂图结构

节点定义：设计一个包含多个节点的集合，本实验采用大写字母（如 A - Z）来代表不同节点，每个节点具有唯一性，可用于后续在图结构中标识特定位置或元素。例如，计划构建一个包含 10 个节点的图，节点分别为 A, B, C, D, E, F, G, H, I, J。​

边关系设定：基于实际需求或特定拓扑结构要求，确定节点之间的连接关系，即边。边的定义需明确连接的两个节点，如 (A, B) 表示节点 A 与节点 B 之间存在连接。同时，需考虑图的类型，本次实验构建无向图，意味着 (A, B) 和 (B, A) 代表同一条边。例如，构建一个具有复杂连接关系的图，包含边 (A, B), (A, C), (B, D), (C, D), (D, E), (E, F), (F, G), (G, H), (H, I), (I, J), (J, A) 等，这些边共同构成了一个具备一定连通性和复杂度的图结构。​

• 深度优先搜索算法实现​

访问记录集合：创建一个空集合，用于记录在 DFS 遍历过程中已经访问过的节点。该集合能够确保每个节点在遍历中仅被访问一次，避免重复操作，提升算法效率。​

待访问节点栈：构建一个栈结构，并将指定的起始节点放入栈中。栈是 DFS 算法实现的关键数据结构，它决定了节点的访问顺序，符合深度优先的原则，即优先沿着一条路径尽可能深地探索。​

核心遍历逻辑

节点弹出与判断：进入循环，只要栈不为空，就从栈中弹出一个节点。随后检查该节点是否已存在于访问记录集合中。若节点未被访问过，则继续后续操作；若已访问，则直接进入下一轮循环，从栈中弹出下一个节点。​

节点处理与邻接节点入栈：对于未访问过的节点，将其添加到访问记录集合中，以标记该节点已被访问。接着，获取该节点的所有邻接节点，按照特定顺序（如字母顺序倒序，以确保实验结果的可重复性和一致性）将未访问过的邻接节点依次压入栈中。这样，算法会沿着当前节点的邻接节点继续深入探索，直到无法继续深入（即当前节点的所有邻接节点都已被访问），然后回溯到上一层节点，继续探索其他未访问路径。

• DFS 过程可视化​

初始图绘制：利用可视化工具，将构建好的图结构以直观的图形形式展示出来。在初始状态下，所有节点以统一的样式（如相同颜色、形状）呈现，边也以常规方式连接各个节点，让使用者能够清晰看到图的整体拓扑结构。​以下是遍历过程动态展示：​

节点状态更新：在 DFS 遍历过程中，每当访问到一个新节点，就改变该节点在可视化图形中的显示样式，如将节点颜色变为红色，以突出显示当前正在访问的节点。​

图形更新与暂停：每次更新节点状态后，刷新可视化图形，让使用者能够实时看到节点的访问顺序。同时，在每次更新后设置一个短暂的暂停时间（如 2 秒），以便使用者有足够时间观察图形变化，理解 DFS 算法的执行过程。随着遍历的持续进行，整个图中节点的颜色会逐步发生变化，清晰地展示出 DFS 算法如何从起始节点开始，沿着不同路径深度优先地访问各个节点，直至遍历完所有可达节点。

（三）实验思路

流程图：

（四）伪代码

function create_graph():
    G = 创建一个空图
    nodes = ["A", "B", "C", ..., "J"]
    将 nodes 添加到 G 中
    edges = [("A", "B"), ("A", "C"), ..., ("J", "A")]
    将 edges 添加到 G 中
    return G


function dfs_visualize(G, start_node):
    visited = 空集合
    stack = [start_node]
    pos = 图 G 的布局
    开启交互模式
    绘制图 G 的初始状态
    暂停 2 秒
    while stack 不为空:
        node = 从 stack 中弹出一个节点
        if node 不在 visited 中:
            将 node 添加到 visited 中
            打印 "Visiting node: " + node
            清除之前的高亮显示
            重新绘制图 G
            高亮显示当前节点 node
            暂停 2 秒
            neighbors = 节点 node 的所有邻接节点
            对 neighbors 进行降序排序
            for neighbor in neighbors:
                if neighbor 不在 visited 中:
                    将 neighbor 添加到 stack 中
    关闭交互模式
    显示最终图


main:
    G = create_graph()
    start_node = "A"
    dfs_visualize(G, start_node)

（五）实验结果

当程序运行到nx.draw(G, pos, with_labels=True, node_color='lightblue', edge_color='gray', ax=ax) 这一步并显示图形时，这是图的初始状态。此时会看到一个由节点 A 到 J 组成的图，所有节点都是浅蓝色，边是灰色，并且每个节点都有相应的标签显示其字母名称。节点的布局是由 nx.spring_layout(G) 生成的。这个状态展示了要进行 DFS 操作的图的基本结构。

每次访问一个新节点时，该节点会被高亮显示为红色，并且在控制台会打印出当前访问的节点。

该程序运行的最终窗口会停留在遍历结束后的状态。