木構造とグラフ構造の探索について

はじめに

本記事では、コンピュータサイエンスにおいて非常に重要な役割を果たすデータ構造である 木構造 （Tree）および グラフ構造 （Graph）について、その基本概念から探索アルゴリズムまでを詳細に解説します。

データ構造とアルゴリズムの分野において、これらは避けて通れないテーマです。特に 深さ優先探索 （DFS）、 幅優先探索 （BFS）、そして最短経路問題を解くための ダイクストラ法 （Dijkstra’s Algorithm）は、プログラミングコンテストや実務においても頻繁に登場します。

1. 木構造（Tree）の基本

木構造は、階層的な関係を持つデータを表現するのに適したデータ構造です。ファイルシステムや組織図、HTMLのDOMツリーなど、様々な場面で利用されています。

木構造は、以下の要素から構成されます。

ノード （Node）: データを保持する要素
エッジ （Edge）: ノード同士を結ぶ線
根ノード （Root Node）: 木の一番上にあるノード。親を持たないノードです。
葉ノード （Leaf Node）: 子を持たないノードです。

  graph TD
  "Root" --> "NodeA"
  "Root" --> "NodeB"
  "NodeA" --> "Leaf1"
  "NodeA" --> "Leaf2"
  "NodeB" --> "Leaf3"

木構造における探索の基本として、深さ優先探索（DFS）と幅優先探索（BFS）があります。

1. 木構造（Tree）の基本

木構造は、以下の要素から構成されます。

ノード （Node）: データを保持する要素
エッジ （Edge）: ノード同士を結ぶ線
根ノード （Root Node）: 木の一番上にあるノード。親を持たないノードです。
葉ノード （Leaf Node）: 子を持たないノードです。

  graph TD
  "Root" --> "NodeA"
  "Root" --> "NodeB"
  "NodeA" --> "Leaf1"
  "NodeA" --> "Leaf2"
  "NodeB" --> "Leaf3"

木構造における探索の基本として、深さ優先探索（DFS）と幅優先探索（BFS）があります。

1. 木構造（Tree）の基本

木構造は、以下の要素から構成されます。

ノード （Node）: データを保持する要素
エッジ （Edge）: ノード同士を結ぶ線
根ノード （Root Node）: 木の一番上にあるノード。親を持たないノードです。
葉ノード （Leaf Node）: 子を持たないノードです。

  graph TD
  "Root" --> "NodeA"
  "Root" --> "NodeB"
  "NodeA" --> "Leaf1"
  "NodeA" --> "Leaf2"
  "NodeB" --> "Leaf3"

木構造における探索の基本として、深さ優先探索（DFS）と幅優先探索（BFS）があります。

1. 木構造（Tree）の基本

木構造は、以下の要素から構成されます。

ノード （Node）: データを保持する要素
エッジ （Edge）: ノード同士を結ぶ線
根ノード （Root Node）: 木の一番上にあるノード。親を持たないノードです。
葉ノード （Leaf Node）: 子を持たないノードです。

  graph TD
  "Root" --> "NodeA"
  "Root" --> "NodeB"
  "NodeA" --> "Leaf1"
  "NodeA" --> "Leaf2"
  "NodeB" --> "Leaf3"

木構造における探索の基本として、深さ優先探索（DFS）と幅優先探索（BFS）があります。

1. 木構造（Tree）の基本

木構造は、以下の要素から構成されます。

ノード （Node）: データを保持する要素
エッジ （Edge）: ノード同士を結ぶ線
根ノード （Root Node）: 木の一番上にあるノード。親を持たないノードです。
葉ノード （Leaf Node）: 子を持たないノードです。

  graph TD
  "Root" --> "NodeA"
  "Root" --> "NodeB"
  "NodeA" --> "Leaf1"
  "NodeA" --> "Leaf2"
  "NodeB" --> "Leaf3"

木構造における探索の基本として、深さ優先探索（DFS）と幅優先探索（BFS）があります。

1. 木構造（Tree）の基本

木構造は、以下の要素から構成されます。

ノード （Node）: データを保持する要素
エッジ （Edge）: ノード同士を結ぶ線
根ノード （Root Node）: 木の一番上にあるノード。親を持たないノードです。
葉ノード （Leaf Node）: 子を持たないノードです。

  graph TD
  "Root" --> "NodeA"
  "Root" --> "NodeB"
  "NodeA" --> "Leaf1"
  "NodeA" --> "Leaf2"
  "NodeB" --> "Leaf3"

木構造における探索の基本として、深さ優先探索（DFS）と幅優先探索（BFS）があります。

1. 木構造（Tree）の基本

木構造は、以下の要素から構成されます。

ノード （Node）: データを保持する要素
エッジ （Edge）: ノード同士を結ぶ線
根ノード （Root Node）: 木の一番上にあるノード。親を持たないノードです。
葉ノード （Leaf Node）: 子を持たないノードです。

  graph TD
  "Root" --> "NodeA"
  "Root" --> "NodeB"
  "NodeA" --> "Leaf1"
  "NodeA" --> "Leaf2"
  "NodeB" --> "Leaf3"

木構造における探索の基本として、深さ優先探索（DFS）と幅優先探索（BFS）があります。

1. 木構造（Tree）の基本

木構造は、以下の要素から構成されます。

ノード （Node）: データを保持する要素
エッジ （Edge）: ノード同士を結ぶ線
根ノード （Root Node）: 木の一番上にあるノード。親を持たないノードです。
葉ノード （Leaf Node）: 子を持たないノードです。

  graph TD
  "Root" --> "NodeA"
  "Root" --> "NodeB"
  "NodeA" --> "Leaf1"
  "NodeA" --> "Leaf2"
  "NodeB" --> "Leaf3"

木構造における探索の基本として、深さ優先探索（DFS）と幅優先探索（BFS）があります。

1. 木構造（Tree）の基本

木構造は、以下の要素から構成されます。

ノード （Node）: データを保持する要素
エッジ （Edge）: ノード同士を結ぶ線
根ノード （Root Node）: 木の一番上にあるノード。親を持たないノードです。
葉ノード （Leaf Node）: 子を持たないノードです。

  graph TD
  "Root" --> "NodeA"
  "Root" --> "NodeB"
  "NodeA" --> "Leaf1"
  "NodeA" --> "Leaf2"
  "NodeB" --> "Leaf3"

木構造における探索の基本として、深さ優先探索（DFS）と幅優先探索（BFS）があります。

1. 木構造（Tree）の基本

木構造は、以下の要素から構成されます。

ノード （Node）: データを保持する要素
エッジ （Edge）: ノード同士を結ぶ線
根ノード （Root Node）: 木の一番上にあるノード。親を持たないノードです。
葉ノード （Leaf Node）: 子を持たないノードです。

  graph TD
  "Root" --> "NodeA"
  "Root" --> "NodeB"
  "NodeA" --> "Leaf1"
  "NodeA" --> "Leaf2"
  "NodeB" --> "Leaf3"

木構造における探索の基本として、深さ優先探索（DFS）と幅優先探索（BFS）があります。

2. 深さ優先探索（DFS: Depth-First Search）

深さ優先探索は、あるノードから出発し、可能な限り深く進み、行き止まりに達したら一つ前のノードに戻って探索を続けるアルゴリズムです。再帰関数を用いることで、非常にシンプルに実装することができます。スタック（Stack）と呼ばれるデータ構造を利用することもあります。

木構造におけるDFSのPython実装例

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
class TreeNode:
    def __init__(self, value):
        self.value = value
        self.children = []

def dfs_tree(node):
    if node is None:
        return
    print(f"Visiting {node.value}")
    for child in node.children:
        dfs_tree(child)

# ツリーの構築
root = TreeNode("Root")
node_a = TreeNode("A")
node_b = TreeNode("B")
root.children.extend([node_a, node_b])
node_a.children.extend([TreeNode("C"), TreeNode("D")])

print("DFS Traversal:")
dfs_tree(root)

2. 深さ優先探索（DFS: Depth-First Search）

木構造におけるDFSのPython実装例

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
class TreeNode:
    def __init__(self, value):
        self.value = value
        self.children = []

def dfs_tree(node):
    if node is None:
        return
    print(f"Visiting {node.value}")
    for child in node.children:
        dfs_tree(child)

# ツリーの構築
root = TreeNode("Root")
node_a = TreeNode("A")
node_b = TreeNode("B")
root.children.extend([node_a, node_b])
node_a.children.extend([TreeNode("C"), TreeNode("D")])

print("DFS Traversal:")
dfs_tree(root)

2. 深さ優先探索（DFS: Depth-First Search）

木構造におけるDFSのPython実装例

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
class TreeNode:
    def __init__(self, value):
        self.value = value
        self.children = []

def dfs_tree(node):
    if node is None:
        return
    print(f"Visiting {node.value}")
    for child in node.children:
        dfs_tree(child)

# ツリーの構築
root = TreeNode("Root")
node_a = TreeNode("A")
node_b = TreeNode("B")
root.children.extend([node_a, node_b])
node_a.children.extend([TreeNode("C"), TreeNode("D")])

print("DFS Traversal:")
dfs_tree(root)

2. 深さ優先探索（DFS: Depth-First Search）

木構造におけるDFSのPython実装例

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
class TreeNode:
    def __init__(self, value):
        self.value = value
        self.children = []

def dfs_tree(node):
    if node is None:
        return
    print(f"Visiting {node.value}")
    for child in node.children:
        dfs_tree(child)

# ツリーの構築
root = TreeNode("Root")
node_a = TreeNode("A")
node_b = TreeNode("B")
root.children.extend([node_a, node_b])
node_a.children.extend([TreeNode("C"), TreeNode("D")])

print("DFS Traversal:")
dfs_tree(root)

2. 深さ優先探索（DFS: Depth-First Search）

木構造におけるDFSのPython実装例

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
class TreeNode:
    def __init__(self, value):
        self.value = value
        self.children = []

def dfs_tree(node):
    if node is None:
        return
    print(f"Visiting {node.value}")
    for child in node.children:
        dfs_tree(child)

# ツリーの構築
root = TreeNode("Root")
node_a = TreeNode("A")
node_b = TreeNode("B")
root.children.extend([node_a, node_b])
node_a.children.extend([TreeNode("C"), TreeNode("D")])

print("DFS Traversal:")
dfs_tree(root)

2. 深さ優先探索（DFS: Depth-First Search）

木構造におけるDFSのPython実装例

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
class TreeNode:
    def __init__(self, value):
        self.value = value
        self.children = []

def dfs_tree(node):
    if node is None:
        return
    print(f"Visiting {node.value}")
    for child in node.children:
        dfs_tree(child)

# ツリーの構築
root = TreeNode("Root")
node_a = TreeNode("A")
node_b = TreeNode("B")
root.children.extend([node_a, node_b])
node_a.children.extend([TreeNode("C"), TreeNode("D")])

print("DFS Traversal:")
dfs_tree(root)

2. 深さ優先探索（DFS: Depth-First Search）

木構造におけるDFSのPython実装例

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
class TreeNode:
    def __init__(self, value):
        self.value = value
        self.children = []

def dfs_tree(node):
    if node is None:
        return
    print(f"Visiting {node.value}")
    for child in node.children:
        dfs_tree(child)

# ツリーの構築
root = TreeNode("Root")
node_a = TreeNode("A")
node_b = TreeNode("B")
root.children.extend([node_a, node_b])
node_a.children.extend([TreeNode("C"), TreeNode("D")])

print("DFS Traversal:")
dfs_tree(root)

2. 深さ優先探索（DFS: Depth-First Search）

木構造におけるDFSのPython実装例

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
class TreeNode:
    def __init__(self, value):
        self.value = value
        self.children = []

def dfs_tree(node):
    if node is None:
        return
    print(f"Visiting {node.value}")
    for child in node.children:
        dfs_tree(child)

# ツリーの構築
root = TreeNode("Root")
node_a = TreeNode("A")
node_b = TreeNode("B")
root.children.extend([node_a, node_b])
node_a.children.extend([TreeNode("C"), TreeNode("D")])

print("DFS Traversal:")
dfs_tree(root)

2. 深さ優先探索（DFS: Depth-First Search）

木構造におけるDFSのPython実装例

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
class TreeNode:
    def __init__(self, value):
        self.value = value
        self.children = []

def dfs_tree(node):
    if node is None:
        return
    print(f"Visiting {node.value}")
    for child in node.children:
        dfs_tree(child)

# ツリーの構築
root = TreeNode("Root")
node_a = TreeNode("A")
node_b = TreeNode("B")
root.children.extend([node_a, node_b])
node_a.children.extend([TreeNode("C"), TreeNode("D")])

print("DFS Traversal:")
dfs_tree(root)

2. 深さ優先探索（DFS: Depth-First Search）

木構造におけるDFSのPython実装例

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
class TreeNode:
    def __init__(self, value):
        self.value = value
        self.children = []

def dfs_tree(node):
    if node is None:
        return
    print(f"Visiting {node.value}")
    for child in node.children:
        dfs_tree(child)

# ツリーの構築
root = TreeNode("Root")
node_a = TreeNode("A")
node_b = TreeNode("B")
root.children.extend([node_a, node_b])
node_a.children.extend([TreeNode("C"), TreeNode("D")])

print("DFS Traversal:")
dfs_tree(root)

3. 幅優先探索（BFS: Breadth-First Search）

幅優先探索は、根ノードから出発し、同じ深さのノードをすべて探索してから、次の深さのノードへ進むアルゴリズムです。キュー（Queue）と呼ばれるデータ構造を利用します。最短経路を求める際などによく用いられます。

木構造におけるBFSのPython実装例

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
from collections import deque

def bfs_tree(root):
    if root is None:
        return
    queue = deque([root])
    while queue:
        current = queue.popleft()
        print(f"Visiting {current.value}")
        for child in current.children:
            queue.append(child)

print("BFS Traversal:")
bfs_tree(root)

3. 幅優先探索（BFS: Breadth-First Search）

木構造におけるBFSのPython実装例

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
from collections import deque

def bfs_tree(root):
    if root is None:
        return
    queue = deque([root])
    while queue:
        current = queue.popleft()
        print(f"Visiting {current.value}")
        for child in current.children:
            queue.append(child)

print("BFS Traversal:")
bfs_tree(root)

3. 幅優先探索（BFS: Breadth-First Search）

木構造におけるBFSのPython実装例

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
from collections import deque

def bfs_tree(root):
    if root is None:
        return
    queue = deque([root])
    while queue:
        current = queue.popleft()
        print(f"Visiting {current.value}")
        for child in current.children:
            queue.append(child)

print("BFS Traversal:")
bfs_tree(root)

3. 幅優先探索（BFS: Breadth-First Search）

木構造におけるBFSのPython実装例

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
from collections import deque

def bfs_tree(root):
    if root is None:
        return
    queue = deque([root])
    while queue:
        current = queue.popleft()
        print(f"Visiting {current.value}")
        for child in current.children:
            queue.append(child)

print("BFS Traversal:")
bfs_tree(root)

3. 幅優先探索（BFS: Breadth-First Search）

木構造におけるBFSのPython実装例

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
from collections import deque

def bfs_tree(root):
    if root is None:
        return
    queue = deque([root])
    while queue:
        current = queue.popleft()
        print(f"Visiting {current.value}")
        for child in current.children:
            queue.append(child)

print("BFS Traversal:")
bfs_tree(root)

3. 幅優先探索（BFS: Breadth-First Search）

木構造におけるBFSのPython実装例

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
from collections import deque

def bfs_tree(root):
    if root is None:
        return
    queue = deque([root])
    while queue:
        current = queue.popleft()
        print(f"Visiting {current.value}")
        for child in current.children:
            queue.append(child)

print("BFS Traversal:")
bfs_tree(root)

3. 幅優先探索（BFS: Breadth-First Search）

木構造におけるBFSのPython実装例

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
from collections import deque

def bfs_tree(root):
    if root is None:
        return
    queue = deque([root])
    while queue:
        current = queue.popleft()
        print(f"Visiting {current.value}")
        for child in current.children:
            queue.append(child)

print("BFS Traversal:")
bfs_tree(root)

3. 幅優先探索（BFS: Breadth-First Search）

木構造におけるBFSのPython実装例

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
from collections import deque

def bfs_tree(root):
    if root is None:
        return
    queue = deque([root])
    while queue:
        current = queue.popleft()
        print(f"Visiting {current.value}")
        for child in current.children:
            queue.append(child)

print("BFS Traversal:")
bfs_tree(root)

3. 幅優先探索（BFS: Breadth-First Search）

木構造におけるBFSのPython実装例

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
from collections import deque

def bfs_tree(root):
    if root is None:
        return
    queue = deque([root])
    while queue:
        current = queue.popleft()
        print(f"Visiting {current.value}")
        for child in current.children:
            queue.append(child)

print("BFS Traversal:")
bfs_tree(root)

3. 幅優先探索（BFS: Breadth-First Search）

木構造におけるBFSのPython実装例

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
from collections import deque

def bfs_tree(root):
    if root is None:
        return
    queue = deque([root])
    while queue:
        current = queue.popleft()
        print(f"Visiting {current.value}")
        for child in current.children:
            queue.append(child)

print("BFS Traversal:")
bfs_tree(root)

4. グラフ構造（Graph）の基本

グラフ構造は、ノード（頂点: Vertex）とエッジ（辺: Edge）の集合で構成されます。木構造もグラフの一種（閉路を持たない無向グラフ、または有向グラフ）ですが、一般的なグラフは閉路（Cycle）を持つことがあり、複数の親を持つことも可能です。

グラフには以下の種類があります。

無向グラフ （Undirected Graph）: エッジに方向がないグラフ
有向グラフ （Directed Graph）: エッジに方向があるグラフ
重み付きグラフ （Weighted Graph）: エッジに重み（コスト）が設定されているグラフ

  graph LR
  "A" -- "5" --> "B"
  "A" -- "2" --> "C"
  "B" -- "1" --> "D"
  "C" -- "8" --> "D"
  "C" -- "4" --> "E"
  "D" -- "3" --> "E"

4. グラフ構造（Graph）の基本

グラフには以下の種類があります。

無向グラフ （Undirected Graph）: エッジに方向がないグラフ
有向グラフ （Directed Graph）: エッジに方向があるグラフ
重み付きグラフ （Weighted Graph）: エッジに重み（コスト）が設定されているグラフ

  graph LR
  "A" -- "5" --> "B"
  "A" -- "2" --> "C"
  "B" -- "1" --> "D"
  "C" -- "8" --> "D"
  "C" -- "4" --> "E"
  "D" -- "3" --> "E"

4. グラフ構造（Graph）の基本

グラフには以下の種類があります。

無向グラフ （Undirected Graph）: エッジに方向がないグラフ
有向グラフ （Directed Graph）: エッジに方向があるグラフ
重み付きグラフ （Weighted Graph）: エッジに重み（コスト）が設定されているグラフ

  graph LR
  "A" -- "5" --> "B"
  "A" -- "2" --> "C"
  "B" -- "1" --> "D"
  "C" -- "8" --> "D"
  "C" -- "4" --> "E"
  "D" -- "3" --> "E"

4. グラフ構造（Graph）の基本

グラフには以下の種類があります。

無向グラフ （Undirected Graph）: エッジに方向がないグラフ
有向グラフ （Directed Graph）: エッジに方向があるグラフ
重み付きグラフ （Weighted Graph）: エッジに重み（コスト）が設定されているグラフ

  graph LR
  "A" -- "5" --> "B"
  "A" -- "2" --> "C"
  "B" -- "1" --> "D"
  "C" -- "8" --> "D"
  "C" -- "4" --> "E"
  "D" -- "3" --> "E"

4. グラフ構造（Graph）の基本

グラフには以下の種類があります。

無向グラフ （Undirected Graph）: エッジに方向がないグラフ
有向グラフ （Directed Graph）: エッジに方向があるグラフ
重み付きグラフ （Weighted Graph）: エッジに重み（コスト）が設定されているグラフ

  graph LR
  "A" -- "5" --> "B"
  "A" -- "2" --> "C"
  "B" -- "1" --> "D"
  "C" -- "8" --> "D"
  "C" -- "4" --> "E"
  "D" -- "3" --> "E"

4. グラフ構造（Graph）の基本

グラフには以下の種類があります。

無向グラフ （Undirected Graph）: エッジに方向がないグラフ
有向グラフ （Directed Graph）: エッジに方向があるグラフ
重み付きグラフ （Weighted Graph）: エッジに重み（コスト）が設定されているグラフ

  graph LR
  "A" -- "5" --> "B"
  "A" -- "2" --> "C"
  "B" -- "1" --> "D"
  "C" -- "8" --> "D"
  "C" -- "4" --> "E"
  "D" -- "3" --> "E"

4. グラフ構造（Graph）の基本

グラフには以下の種類があります。

無向グラフ （Undirected Graph）: エッジに方向がないグラフ
有向グラフ （Directed Graph）: エッジに方向があるグラフ
重み付きグラフ （Weighted Graph）: エッジに重み（コスト）が設定されているグラフ

  graph LR
  "A" -- "5" --> "B"
  "A" -- "2" --> "C"
  "B" -- "1" --> "D"
  "C" -- "8" --> "D"
  "C" -- "4" --> "E"
  "D" -- "3" --> "E"

4. グラフ構造（Graph）の基本

グラフには以下の種類があります。

無向グラフ （Undirected Graph）: エッジに方向がないグラフ
有向グラフ （Directed Graph）: エッジに方向があるグラフ
重み付きグラフ （Weighted Graph）: エッジに重み（コスト）が設定されているグラフ

  graph LR
  "A" -- "5" --> "B"
  "A" -- "2" --> "C"
  "B" -- "1" --> "D"
  "C" -- "8" --> "D"
  "C" -- "4" --> "E"
  "D" -- "3" --> "E"

4. グラフ構造（Graph）の基本

グラフには以下の種類があります。

無向グラフ （Undirected Graph）: エッジに方向がないグラフ
有向グラフ （Directed Graph）: エッジに方向があるグラフ
重み付きグラフ （Weighted Graph）: エッジに重み（コスト）が設定されているグラフ

  graph LR
  "A" -- "5" --> "B"
  "A" -- "2" --> "C"
  "B" -- "1" --> "D"
  "C" -- "8" --> "D"
  "C" -- "4" --> "E"
  "D" -- "3" --> "E"

4. グラフ構造（Graph）の基本

グラフには以下の種類があります。

無向グラフ （Undirected Graph）: エッジに方向がないグラフ
有向グラフ （Directed Graph）: エッジに方向があるグラフ
重み付きグラフ （Weighted Graph）: エッジに重み（コスト）が設定されているグラフ

  graph LR
  "A" -- "5" --> "B"
  "A" -- "2" --> "C"
  "B" -- "1" --> "D"
  "C" -- "8" --> "D"
  "C" -- "4" --> "E"
  "D" -- "3" --> "E"