4.1《算法图解》笔记——Chapter 6 Breadth-First Search

算法图解笔记——Chapter 6 Breadth-First Search
Author: Seven Zou
Email: zoushiqi0404@gmail.com
Language: Python2.7

---

6 广度优先搜索

开始围绕“图”概念展开学习，这里的图，不涉及X轴和Y轴。图算法在实际应用中被广泛使用，广度优先搜索属于图算法的一种，明天将要学到的狄克斯特拉算法也是其中的一种。广度优先搜索可以让你能够找出两样东西之间的最短距离，不过对于最短距离的含义有很多种。这里的广度优先搜索可以完成如以下的最短距离。

• 编写国际跳棋AI，计算最少走多少步就可获胜；
• 编写拼写检查器，计算最少编辑多少个地方就可以将错拼的单词改成正确的单词，如将READED改为READER需要编辑一个地方；
• 根据你的人际关系网络找到关系最近的医生。

假定你居住在旧金山，要从双子峰前往金门大桥。你想乘公交车前往，并希望换乘最少。可选的公交车如下。

显然不能一步到达目的地，可选择“双子峰 -> 44路公交车 -> 28路公交车 -> 金门大桥”路线，当然还有其它可选路线，但它们需要4步。这是最为熟知的是最短路径问题(shortest-path problem)。你经常要找出最短路径，这可能是前往朋友家的最短路径，也可能是国际象棋中把对手将死的最小步数。解决最短路径问题的算法被称为广度优先搜索。

---

6.1 什么是图

图模拟一组连接，由节点(node)和边(edge)组成。一个节点可能与众多节点直接相连，这些节点被称为邻居。
假设Alex、Rama、Adit和Tom打牌，并要模拟互相的借贷关系。
如图表达出，Alex欠Rama钱，Tom欠Adit钱等，Rama是Alex的邻居，Adit不是Alex的邻居，因为他们不直接相连。但Adit既是Rama的邻居，又是Tom的邻居。

---

6.2 广度优先搜索

广度优先搜索是一种用于图的查找算法，可帮助回答两类问题。(可类比第一章的二分查找)

• 问题1：从节点A出发，有前往节点B的路径吗？
• 问题2：从节点A出发，前往节点B的哪条路径最短？
  前面刚提到的计算最短路径问题，属于第二类问题(哪条路径最短?)。这里不再多叙述，下面来介绍第一类问题。
  假设你经营一个芒果农村，需要寻找芒果销售商，以便将芒果卖给他。在Facebook中，你与芒果销售商有联系吗？为此，你可在朋友中查找。
  
  解决思路：首先，创建一个朋友名单。然后，依次检查名单中的每个人，查看他是否是芒果销售商。假设你没有朋友是芒果销售商，那么你就必须在朋友的朋友中查找，检查名单中的每个人能时，你都将其朋友加入名单。则会构成如下的人际关系网。
  
  这样一来，不仅在自己的朋友中查找，还在朋友的朋友中查找。这种算法将搜遍整个人际关系网，直到找到芒果销售商。这就是广度优先搜索。
  那么谁又是关系最近的芒果销售商？这里可定义朋友时一度关系，朋友的朋友时二度关系。
  
  在常规观念的优先级下，一度关系优于二度关系，二度关系优于三度关系，以此类推。广度优先搜索的逻辑便是如此，在其执行国过程中，搜索范围从起点开始逐渐向外延伸，即先检查一度关系，再检查二度关系。在查找芒果销售商过程中，便也先在一度关系中查找，再再二度关系中查找，因此找到的是关系最近的芒果销售商。广度优先搜索的特点在于不仅能查找从A到B的路径，还能找到的是最短的路径，而这是以按添加顺序查找时才能实现的。这里便引出一种新的数据结构——队列(queue)。
  队列的工作原理和现实生活中的队列完全相同。假设你与其他一起在公交车站排队候车，如果你排在他前面，你将先上车。队列的工作原理与此相同，队列类似于栈，你不能随机访问队列中的元素。队列支持入队、出队两种操作。
  <