我怎样才能优化图bfs / dfs横向算法的Python代码来处理大图？

Question

我希望优化此代码，以便在大型图形中进行横向操作，并遵守此算法运行时的处理时间限制。如果有必要，你有任何线索吗？我可以在这里使用任何python嵌入式优化数据结构吗？人们欢迎每一条线索和知识！

import sys
import collections

class Graph:
    def __init__(self, amount_vertice):
        self.vertice_list = []
        self.amount_vertice = amount_vertice
        # buffered previous connect components the origin in index vertex. Each entry contains (dfs and bfs) according to format [dfs, bfs]
        self.buffered_connect_component = [[[], []] for node in xrange(amount_vertice)]
        self.visited_vertice = [0 for node in xrange(amount_vertice)]
        for vertex in xrange(amount_vertice):
            line = sys.stdin.readline()
            self.vertice_list.append(map(lambda x: int(x), line.split()[2:]))

上面的代码部分显示了根据指定的上下文初始化我的图形数据结构：

• self.vertice_list是图表的邻接列表
• self.amount_vertice是图表的顶点数量。
• self.buffered_connected_component是之前检索的已连接组件的列表，仅用于加速代码并避免在要求相同的连接组件时再次检索。根据dfs和bfs图表横向算法，每个条目都包含一个连接的组件。

• def print_dfs(self, origin_vertex, number_query):
      path = [origin_vertex]
      while path:
          next_node = path.pop()
          if self.visited_vertice[next_node - 1] != number_query:
              self.visited_vertice[next_node - 1] = number_query
              self.buffered_connect_component[origin_vertex - 1][0].append(str(next_node))
              for candidate_next_node in self.vertice_list[next_node - 1][::-1]:
                  path.append(candidate_next_node)
  

上面的函数显示了着名的Deep First Search Graph的Algortihm实现。参数origin_vertex是算法开始运行的顶点，而number_query只是从上下文给出的参数。

    def print_bfs(self, origin_vertex, number_query):
        path = collections.deque([origin_vertex])
        while path:
            next_node = path.popleft()
            if self.visited_vertice[next_node - 1] != number_query:
                self.visited_vertice[next_node - 1] = number_query
                self.buffered_connect_component[origin_vertex - 1][1].append(str(next_node))
                for candidate_next_node in self.vertice_list[next_node - 1]:
                    path.append(candidate_next_node)

最后，上面是实现Breath First Search Graph的算法的函数，以及类似于bfs函数的参数。