广搜与队列浅谈

一、引入

广搜，即广度优先搜索算法，是搜索的一种。它和深搜的主要区别体现在访问次序上。我们先介绍一种数据结构，在简介一下广搜模板，最后讲解几道例题。

二、队列

队列（queue）是一种常见的数据结构。我们能从队尾插入元素，从对头取出元素。这恰恰和日常生活中的排队一样，只能从最后面开始排，排到最前面才轮到你。我们发现，如果开始结束队列都为空的话，最先放入的元素总是第一个被取出，第二个被放入的元素第二个被取出……最后一个被放入的元素最后一个被取出。因此，队列也有“先进先出表”之称。我们用两个变量分别记录对头和队尾的位置，类似于栈，我们就可以用数组实现队列了。
我们发现，实现队列的数组中每个位置最多只能用一次，因此会造成空间浪费。我们可以采用循环队列的方式，即当对列满了的时候，就可以把元素插入数组前端从而节省空间。我们也可以采用STL里的queque。

三、广度优先搜索算法

我们先把起点加入队列，每一步我们取队头。每一个决策点都可以引出若干个子决策点。不同于深搜，在枚举子决策点时我们不立即处理子决策点，而是把它加入队尾，等排在它前面的决策点都处理完后，也就是说当到它到达队头时再处理。从这里可以看出，广搜与队列有着很大的联系。
如果定义一个决策点的深度为其祖先决策点的个数。不难发现广搜是先把深度相同的决策点处理完的，这与深搜优先处理更深的决策点的思想不同，可以想象它处理决策点的次序是“横向”的，因此称之为广度优先搜索。
下面展示一段伪代码：

queue<node>q;
void bfs(){
   
	node u,v;
	q.push(起点); vi[起点]=1;
	while(q.size()){
   
		u=q.front();
		for(v为u的子决策点){
   
			更新v;
			if(!vi[v]){
   
				vi[v]=1;
				q.push(v);
			}
		}
	}
	return;
}

四、经典例题

1.滑动窗口

有一个长为 n 的序列 a，以及一个大小为 k 的窗口。现在这个从左边开始向右滑动，每次滑动一个单位，求出每次滑动后窗口中的最大值和最小值。

这是一道单调队列的模板题。以求最大值为例，我们弄一个队列存当前枚举到的元素及其前(k-1)个元素。每当枚举到后一个元素时，我们只需要把队头出队，再将这个元素入队就好了。但这种O(nk)的算法无法通过本题，我们便需要加以优化。如果对于i<j有a[i]<a[j]，便会有i不比j更优。因为当i在队列时，j一定也在队列，最大值取不到a[i]；当j在队列时，i不一定也在队列里。也就是说，j比i生存能力更强。因此我们在加入一个元素前，先把队尾比它小的元素剔除掉。这样，维护出来的是一个单调递减的队列，队头便是最大值。

#include<iostream>
#include<cstdio>
#include<queue>
using namespace std;
int n,k,a[1000001];
deque<int>q; 
/*这里用的是双端队列，队列的一种简单变形，
即能从两端同时加入、弹出或访问*/
int main(){
   
	scanf("%d%d",&n,&k