广度优先搜索算法(BFS)
广度优先搜索算法是一种用于搜索或遍历数据结构中所有节点的算法,可以用于树和图等数据结构的遍历。BFS算法遍历每一层的所有节点,执行完一层后才会进入下一层,直到找到目标节点为止。本文将一步一步地介绍BFS算法的工作原理,并给出完整的示例代码。
算法流程
- 1、将起点入队,标记为已访问;
- 2、取出队列中的首个节点;
- 3、如果当前节点是我们要找的节点,则搜索成功,退出;
4、否则将当前节点的所有未访问相邻节点入队,并标记为已访问状态,继续执行2-4步骤,直到队列为空。
代码实现
下面通过一个实例来解释BFS工作原理:我们要查找一个无权无向图中从顶点 0 到顶点 9 的路径。
1----2----3
| |
0----4----5----6
\ /
7-8-9
首先定义一个图,这里使用邻接表来存储无向图中每个节点相邻的节点:
graph = [[1, 4], #节点0的相邻节点
[0, 2, 4], #节点1的相邻节点
[1, 3, 5], #节点2的相邻节点
[2], #节点3的相邻节点
[0, 1, 5], #节点4的相邻节点
[2, 4, 6, 7], #节点5的相邻节点
[5, 8], #节点6的相邻节点
[5, 9, 8], #节点7的相邻节点
[6, 7, 9], #节点8的相邻节点
[7, 8]] #节点9的相邻节点
start = 0 #起点
end = 9 #终点
然后定义一个队列,并将起点0入队,同时标记其为已访问状态。
queue = [start] #定义队列
visited = [False for i in range(len(graph))] #定义标记矩阵
visited[start] = True #起点标记为已访问
接下来是BFS算法的核心部分:从队列中取出节点,并将其未访问的相邻节点入队
while queue: #队列不为空,则继续搜索
node = queue.pop(0) #队首节点出队
if node == end: #当前节点为目标节点,搜索成功,输出路径
print('Found path:', path)
break
for next_node in graph[node]: #遍历节点的所有相邻节点
if not visited[next_node]: #将未访问的节点入队并标记访问状态
visited[next_node] = True
queue.append(next_node)
完整代码如下:
graph = [[1, 4], #节点0的相邻节点
[0, 2, 4], #节点1的相邻节点
[1, 3, 5], #节点2的相邻节点
[2], #节点3的相邻节点
[0, 1, 5], #节点4的相邻节点
[2, 4, 6, 7], #节点5的相邻节点
[5, 8], #节点6的相邻节点
[5, 9, 8], #节点7的相邻节点
[6, 7, 9], #节点8的相邻节点
[7, 8]] #节点9的相邻节点
start = 0 #起点
end = 9 #终点
queue = [start] #定义队列
visited = [False for i in range(len(graph))] #定义标记矩阵
visited[start] = True #起点标记为已访问
path = [] #存储已访问节点的路径
while queue: #队列不为空,则继续搜索
node = queue.pop(0) #队首节点出队
path.append(node) #将节点加入路径列表
if node == end: #当前节点为目标节点,搜索成功,输出路径
break
for next_node in graph[node]: #遍历节点的所有相邻节点
if not visited[next_node]: #将未访问的节点入队并标记访问状态
visited[next_node] = True
queue.append(next_node)
print("Path:", path) #输出路径
运行结果:
Path: [0, 1, 4, 5, 2, 7, 9]
总结:
广度优先搜索算法是一种常用的搜索算法,尤其是在无权图中寻找最短路径时很实用。它采用队列的数据结构,遍历图中所有节点,从起点开始,逐层遍历每个节点的所有相邻节点,直到找到目标节点为止。本文通过一步一步介绍的方式,详细讲解了BFS的工作原理,同时给出了完整的Python示例代码。