[图的搜索]2.图解广度优先搜索及其代码演示

CHICX1229

已于 2024-05-28 11:34:26 修改

阅读量513

点赞数 6

分类专栏：数据结构与算法文章标签：算法广度优先数据结构

于 2024-05-27 13:14:38 首次发布

本文链接：https://blog.csdn.net/jhghuhbb/article/details/139235141

版权

数据结构与算法专栏收录该内容

15 篇文章 0 订阅

订阅专栏

什么是广度优先搜索？

广度优先搜索是一种对图进行搜索的算法。假设我们一开始位于某个顶点（即起点），此时并不知道图的整体结构，而我们的目的是从起点开始顺着边搜索，直到到达指定顶点（即终点）。在此过程中每走到一个顶点，就会判断一次它是否为终点。广度优先搜索会优先从离起点近的顶点开始搜索。

01

A为起点，G为终点。一开始我们在起点A上，此时并不知道G在哪里。

02

将可以从A直达的三个顶点B、C、D设为下一步的候补顶点。

03

从候补顶点中选出一个顶点。优先选择最早成为候补的那个顶点，如果多个顶点同时成为候补，那么可以随意选择其中一个。

04

此处B、C、D同时成为候补，所以我们随机选择了最左边的顶点B。

05

移动到选中的顶点B上。此时我们在B上，所以B变为红色，同时将已经搜索过的顶点变为橙色。

将可以从B直达的两个顶点E和F设为候补顶点。

07

此时，最早成为候补顶点的是C和D，我们选择了左边的顶点C。

08

移动到选中的顶点C上。

09

将可以从C直达的顶点H设为候补顶点。

10

重复上述操作直到到达终点，或者所有的顶点都被遍历为止。

这个示例中的搜索顺序为A、B、C、D、E、F、H、I、J、K。

12

完成了从A到I的搜索，现在在顶点J处。

13

到达终点G，搜索结束。

解说
广度优先搜索的特征为从起点开始，由近及远进行广泛的搜索。因此，目标顶点离起点越近，搜索结束得就越快。

补充说明
为了方便说明，这次讲解用的是没有闭环[插图]的图。不过，如果图中有闭环，其搜索步骤也是一样的。像示例那样的没有闭环的图叫作“树”。

代码演示

from collections import defaultdict

# 创建图
graph = {
    'A': ['B', 'C', 'D'],
    'B': ['E', 'F'],
    'C': ['H'],
    'D': ['I', 'J'],
    'E': ['K'],
    'F': [],
    'H': ['G'],
    'I': [],
    'J': ['L'],
    'K': [],
    'G': [],
    'L': []
}

def bfs(graph, start):
    visited = set()  # 用集合记录已访问的节点
    queue = []  # 用队列记录待访问节点

    visited.add(start)
    queue.append(start)

    while queue:
        curr_node = queue.pop(0)
        print(curr_node, end=' ')

        for neighbor in graph[curr_node]:
            if neighbor not in visited:
                visited.add(neighbor)
                queue.append(neighbor)

# 从顶点A开始进行广度优先搜索
bfs(graph, 'A')

结果