实现广度优先搜索算法

实现广度优先搜索

建立完单词关系图以后，需要继续在图中寻找词梯问题的最短序列

需要用到"广度优先搜索Breadth First Search"算法进行搜索

BFS是搜索图的最简单算法之一，也是其他一些重要的图算法的基础

广度优先搜索

给定图G,以及开始搜索的起始顶点s

• BFS搜索所有从s可到达顶点的边
• 而且在达到更远的距离k+1的顶点之前，BFS会找到全部距离为k的顶点
• 可以想象为以s为根，构建一棵树的过程，从顶部向下逐步增加层次
• 广度优先搜索能保证在增加层次之前，添加了所有兄弟节点到树中
• 从fool开始搜索
  

算法过程

为跟踪顶点的加入过程，并避免重复顶点，要为顶点增加三个属性

• 距离distance: 从此起始顶点到此顶点路径长度；
• 前驱顶点predecessor: 可反向追溯到起点；
• 颜色color: 标识了此顶点是尚未发现(白色)、研究发现(灰色)、还是已经完成探索(黑色)

还需要一个队列Queue来对已发现的顶点进行排列

• 决定下一个要探索的顶点(队首顶点)

从起始顶点s开始，作为刚发现的顶点，标注为灰色，距离为0，前驱为None,加入队列，接下来就是整个循环迭代过程:

• 从队首取出一个顶点作为当前顶点；
• 遍历当前顶点的邻接顶点，如果是尚未发现的白色顶点，则将其颜色改为灰色(已发现),距离增加1，前驱顶点为当前顶点，加入到队列中遍历完成后，将当前顶点设置为黑色(已探索完成),循环回到步骤1的队首取当前顶点
  
  
  
• 代码

def bfs(g, start):
    start.setDistance(0)
    start.setPred(None)
    vertQueue = Queue()
    vertQueue.enqueue(start)
    while (vertQueue.size() > 0):
        currentVert = vertQueue.dequeue()          #取队首为当前顶点
        for nbr  in currentVert.getConnections():       #遍历邻接顶点
            if(nbr.getColor() == 'white'):   #白色
                nbr.setColor('gray')         #设置成白色
                nbr.setDistance(currentVert.getDistance() + 1)  #设置距离
                nbr.setPred(currentVert)
                vertQueue.enqueue(nbr)          
        currentVert.setColor('black')       #当前顶点设置黑色

在以FOOL为起始顶点，便利了所有顶点，并为每个顶点着色、赋距离和前驱之后

即可以通过一个回途追溯函数来确定FOOL到任何单词顶点的最短词梯

def traverse(y):
    x = y
    while (x.getPred()):
        print(x.getId())
        x = x.getPred()
    print(x.getId())

wordgraph = buildGraph("fourletterwords.txt")
bfs(wordgraph, wordgraph.getVertex('FOOL'))
traverse(wordgraph.getVertex('SAGE'))

算法分析

BFS算法主体是两个循环的嵌套

• while循环对每个顶点访问一次，所以是O(|V|),而嵌套在while中的for,由于每条边只有在其起始顶点u出队的时候才被检查一次，而每个顶点最多出队一次，所以边最多被检查1次，一共是O(|E|),综合起来就是O(|V|+|E|)

词梯问题包含两部分算法

• 建立BFS树之后，回溯顶点到起始顶点的过程，最多为O(|V|)
• 创建单词关系图也需要时间，最多为O(|V|**2)