BFS广度优先算法框架

BFS的核心思想，就是把一些问题抽象成图，从一个点开始向四周扩散。一般来说，我们写BFS算法都是用队列这种数据结构，每次将一个节点周围的所有节点加入队列。

BFS相对DFS最主要区别是：BFS找到的路径一定是最短的，但代价就是空间复杂度比DFS大很多。

BFS出现的常见场景，问题的本质就是在一幅图中找到起点start到终点target的最近距离。

记住下面这个框架就ok了：

//计算从起点start到终点target的最近距离
int BFS(Node start,Node target){
    Queue<Node> q;//核心数据
    Set<Node> visited;//避免走回头路
    q.offer(start);//将起点加入队列
    visited.add(start);
    int step = 0;//记录扩散的步数
    while(q not empty) {
        int sz = q.size();
        /*将队列中所有节点向四周扩散*/
        for(int i=0;i<sz;i++) {
            Node cur = q.poll();
            //判断是否到达终点
            if(cur is target){
                return step;
            }
            /*将cur相邻的节点加入队列*/
            for(Node x : cur.adj()) {
                if (x not in visited) {
                    q.offer(x);
                    visited(x);
                }
            }
        }
        //更新步数
        step++;
    }
    return step;
}

队列 q 就不说了，BFS 的核⼼数据结构； cur.adj() 泛指 cur 相邻的节 点，⽐如说⼆维数组中， cur 上下左右四⾯的位置就是相邻节 点； visited 的主要作⽤是防⽌⾛回头路，⼤部分时候都是必须的，但是 像⼀般的⼆叉树结构，没有⼦节点到⽗节点的指针，不会⾛回头路就不需要 visited 。