高级搜索之双向BFS

传统的 BFS 框架就是从起点开始向四周扩散，遇到终点时停止；而双向 BFS 则是从起点和终点同时开始扩散，当两边有交集的时候停止。
双向BFS：如图所示从A到L的最短步数，从两边分别向中间进行BFS，第一次重合的地方就是两者之间的最短路径。
技巧：根据题目要求，在进行bfs时，数据结构上会会使用HashSet代替queue，因为set的查找时间复杂度为O(1)。

127. 单词接龙

给定两个单词（beginWord 和 endWord）和一个字典，找到从
beginWord 到 endWord 的最短转换序列的长度。转换需遵循如下
规则：每次转换只能改变一个字母。转换过程中的中间单词必须是字典
中的单词。
说明:
如果不存在这样的转换序列，返回 0。
所有单词具有相同的长度。
所有单词只由小写字母组成。
字典中不存在重复的单词。
你可以假设 beginWord 和 endWord 是非空的，且二者不相同。

示例 1:
输入:
beginWord = "hit",
endWord = "cog",
wordList = ["hot","dot","dog","lot","log","cog"]
输出: 5
解释: 一个最短转换序列是
 "hit" -> "hot" -> "dot" -> "dog" -> "cog",
  返回它的长度 5。

示例 2:
输入:
beginWord = "hit"
endWord = "cog"
wordList = ["hot","dot","dog","lot","log"]
输出: 0
解释: endWord "cog" 不在字典中，所以无法进行转换。

以示例 1:进行画图可以看出：题目要求的就是从beginword到endword最少可以走多少步,而双向的bfs就是从beginword和endword分别向中间进行BFS。

思路：
1、在开始排序前，扫描对应的存储空间（使用邻接表），将入度为 0 的结点放入队列。
2、只要队列非空，就从队首取出入度为 0 的结点，将这个结点输出到结果集中，并且将这个结点的所有邻接结点（它指向的结点）的入度减 1，在减 1 以后，如果这个被减 1 的结点的入度为 0 ，就继续入队。
3、当队列为空的时候，检查结果集中的顶点个数是否和课程数相等即可。

思考这里为什么要使用队列？：在整个遍历过程中，每次会把目前这轮入度为0的所有节点入队列，就好像通过水波纹把目前离得最近的所有节点入队列，所以使用队列这种数据结构比较合适。
在代码具体实现的时候，除了保存入度为 0 的队列，我们还需要两个辅助的数据结构：
1、邻接表：通过结点的索引，我们能够得到这个结点的后继结点；
2、入度数组：通过结点的索引，我们能够得到指向这个结点的结点个数。
这个两个数据结构在遍历题目给出的邻边以后就可以很方便地得到。

时间复杂度：O(v + e)，对于有 v 个顶点和 e 条边的图来说，如果这个课程可以完成，那么每个节点和边都会遍历到。
空间复杂度：O(v)，用了一个数组来存所有点的 indegree，之后的 queue 也是最多把所有的点放进去，所以是 O(v)。

代码：
class Solution {
   
    public int ladderLength(String beginWord, String endWord, List<String> wordList) {
   
        //这里利用set的值的唯一性,其实这里的set就是queue
        Set<String> wordSet = new HashSet<>(wordList);
        //这里提前处理边界值，如果endword都不在wordList中，肯定最后不可转换成功
        if (!wordSet.contains(endWord)) {
   
            return 0;
        }
        Set<String> beginSet = new HashSet<>();
        Set<String> endset = new HashSet<>();
        beginSet.add(beginWord);
        endset.add