图的广度优先搜索算法并生成BFS树

笔者在前面的两篇文章中介绍了图的两种实现方法：

• 图的邻接表的实现
• 图的邻接矩阵的实现

接下来笔者将介绍图遍历算法，与树的遍历类似，图的遍历也需要访问所有顶点一次且仅一次；此外，图遍历同时还需要访问所有的弧一次且仅一次。

图的遍历概述

图的遍历都可理解为，将非线性结构转化为半线性结构的过程。经遍历而确定的弧类型中，最重要的一类即所谓的树边，它们与所有顶点共同构成了原图的一棵支撑树（森林），称作遍历树（traversal tree）本文要介绍的BFS将是其中的一种。以遍历树为背景，其余各种类型的边，也能提供关于原图的重要信息，比如其中所含的环路等。

图中顶点之间可能存在多条通路，故为避免对顶点的重复访问，在遍历的过程中，通常还要动态地设置各顶点不同的状态，并随着遍历的进程不断地转换状态，直至最后的“访问完毕”。图的遍历更加强调对处于特定状态顶点的甄别与查找，故也称作图搜索（graph search）。

与树遍历一样，作为图算法基石的图搜索，本身也必须能够高效地实现，如深度优先、广度优先、最佳优先等基本而典型的图搜索，都可以在线性时间内完成。若顶点数和边数分别为 n 和 e，则这些算法自身仅需 0 (n + e）时间。

图的广度优先搜索概述

各种图搜索之间的区别，体现为边分类结果的不同，以及所得遍历树（森林）的结构差异。其决定因素在于，搜索过程中的每一步迭代，将依照何种策略来选取下一接受访问的顶点。

通常，都是选取某个已访问到的顶点的邻居。同一顶点所有邻居之间的优先级，在多数遍历中不必讲究。因此，实质的差异应体现在，当有多个顶点已被访问到，应该优先从谁的邻居中选取下一顶点。比如，广度优先搜索（breadth-first search, BFS）采用的策略，可概括为：越早被访问到的顶点，其邻居越优先被选用

于是，始自图中顶点s的BFS搜索，将首先访问顶点s；再依次访问s所有尚未访问到的邻居；再按后者被访问的先后次序，逐个访问它们的邻居；…&#x