欧拉回路算法实现与避坑指南
本文深入剖析欧拉回路实现中极易被忽视却致命的三大陷阱:可变默认参数引发的状态污染、嵌套列表拼接导致的结构错乱,以及忽略“绕道插入”本质而错误追加子路径的逻辑缺陷;通过对比问题代码与基于邻接表+双端队列的Hierholzer标准实现,清晰揭示算法核心在于“走到底、回溯记录、遇未访问边则旋转定位插入点”,不仅提供生产就绪的高效O(E)解决方案,更帮你穿透表象、真正掌握欧拉回路构造的数学直觉与工程细节。

本文详解欧拉回路(Eulerian Circuit)的正确实现方法,指出原代码中可变默认参数、嵌套列表拼接、插入位置错误等关键问题,并提供基于邻接表与双端队列的健壮解决方案。
本文详解欧拉回路(Eulerian Circuit)的正确实现方法,指出原代码中可变默认参数、嵌套列表拼接、插入位置错误等关键问题,并提供基于邻接表与双端队列的健壮解决方案。
欧拉回路要求图中所有顶点度数为偶数,且图连通。原代码试图通过递归遍历边并“拼接”多个子回路来构造完整回路,但存在多个根本性缺陷:
首先,def circuit(current, path=[]): 中使用可变对象 [] 作为默认参数是危险的——该列表在函数定义时仅创建一次,后续所有调用共享同一对象,导致状态污染。应改为 path=None 并在函数内初始化:if path is None: path = []。
其次,path.append(circuit(...)) 会将整个子路径列表作为单个元素追加,造成嵌套结构(如 [1,2,3,[4,5,6]]),而非扁平化序列。正确做法是使用 path.extend(...) 或直接拼接。
最关键的是逻辑错误:欧拉回路的“回路拼接”并非简单追加,而需在当前回路中找到一个仍关联未访问边的顶点,将新回路从该点处展开插入(即“绕道扩展”)。原代码遍历 path 查找匹配顶点后直接追加,完全忽略了插入位置,破坏了边的连续性。
更优解法是采用 Hierholzer 算法 的标准实现:
- 预处理构建无向图邻接表(defaultdict(set)),支持 O(1) 边删除;
- 使用 deque 存储顶点序列,利用 .rotate() 快速定位插入点;
- 主循环中,若当前顶点无剩余邻边,则沿已生成回路旋转查找首个仍有未用边的顶点,以此为新起点继续延展。
以下是生产就绪的实现:
from collections import defaultdict, deque
def create_graph(edges):
adj = defaultdict(set)
for a, b in edges:
adj[a].add(b)
adj[b].add(a)
return adj
def has_euler_circuit(adj):
if not adj:
return False
return all(len(neighbors) % 2 == 0 for neighbors in adj.values())
def find_euler_circuit(edges):
if not edges:
return []
adj = create_graph(edges)
if not has_euler_circuit(adj):
raise ValueError("Graph does not have an Eulerian circuit (some vertices have odd degree)")
# 任选起始顶点(保证图连通的前提下)
start = edges[0][0]
circuit = deque()
stack = [start]
while stack:
node = stack[-1]
if adj[node]:
# 取出一个邻居并删除双向边
neighbor = adj[node].pop()
adj[neighbor].remove(node)
stack.append(neighbor)
else:
# 当前节点无出边,加入最终回路
circuit.appendleft(stack.pop())
return list(circuit)
# 测试用例
verts = [(1, 2), (2, 3), (1, 6), (6, 5), (5, 3), (6, 3), (2, 5), (5, 4), (3, 4), (6, 2)]
result = find_euler_circuit(verts)
print("Euler Circuit (vertices):", result)
# 输出示例: [1, 2, 5, 4, 3, 6, 2, 3, 5, 6, 1]注意事项:
- 此实现返回顶点序列(长度为边数+1),相邻顶点构成一条边,首尾顶点自动闭合;
- 时间复杂度为 O(E),每条边仅被访问和删除一次;
- 若图不连通但满足度数条件,算法可能只返回某连通分量的回路——实际应用中建议先做连通性检查;
- 对有向图,需验证每个顶点入度等于出度,并调整邻接表为有向映射。
掌握 Hierholzer 算法的核心思想——“深度优先走到底,回溯时记录,遇岔路则绕行插入”——才能真正理解欧拉回路的构造本质,而非陷入边拼接的逻辑泥潭。
到这里,我们也就讲完了《欧拉回路算法实现与避坑指南》的内容了。个人认为,基础知识的学习和巩固,是为了更好的将其运用到项目中,欢迎关注golang学习网公众号,带你了解更多关于的知识点!
ServiceWorker实现离线缓存与推送功能
- 上一篇
- ServiceWorker实现离线缓存与推送功能
- 下一篇
- JavaScript数组操作技巧详解
-
- 文章 · python教程 | 54分钟前 | Python教程 · Python 鸭子类型 typing.Protocol 结构子类型
- Python typing.Protocol 约束鸭子类型接口
- 246浏览 收藏
-
- 文章 · python教程 | 7小时前 | Python教程 · Python 相对路径 is_file pathlib Path.resolve
- Python pathlib 相对路径规范化与文件判断
- 144浏览 收藏
-
- 文章 · python教程 | 10小时前 | python · 异步编程 · asyncio · Python CancelledError asyncio.timeout TimeoutError
- Python asyncio.timeout 嵌套取消与异常传播
- 373浏览 收藏
-
- 文章 · python教程 | 18小时前 |
- Python heapq 最大堆 API 怎么避免手动取负数
- 397浏览 收藏
-
- 文章 · python教程 | 1天前 | python · Python 不可变对象 namedtuple dataclass copy.replace
- Python copy.replace 怎么更新不可变对象字段
- 245浏览 收藏
-
- 文章 · python教程 | 1天前 | python ·
- Python NamedTemporaryFile 的 delete_on_close 怎么设置
- 311浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python itertools.batched strict 参数什么时候会报错
- 306浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python ExceptionGroup split 怎么按异常类型拆分
- 311浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 258次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 303次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 282次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 259次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 68次使用
-
- Python sqlite3 Connection serialize 怎么导出数据库快照:备份窗口、内存占用与恢复校验
- 2026-08-26 501浏览
-
- Python监控网页状态:requests异常处理实战
- 2026-05-29 501浏览
-
- TensorFlow模型部署为API的TF Serving方法
- 2026-05-26 501浏览
-
- Python字符串编码转换:encode与decode详解
- 2026-05-16 501浏览
-
- TensorFlow裁剪无用算子方法详解
- 2026-05-15 501浏览
