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。
06
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。
11
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
A B C D E F H I J K G L
———————————————————————————————————————————
文章来源:书籍《我的第一本算法书》
书籍链接:
我的第一本算法书 (豆瓣) (douban.com)
作者:宫崎修一 石田保辉
出版社:人民邮电出版社
ISBN:9787115495242
本篇文章仅用于学习和研究目的,不会用于任何商业用途。引用书籍《我的第一本算法书》的内容旨在分享知识和启发思考,尊重原著作者宫崎修一和石田保辉的知识产权。如有侵权或者版权纠纷,请及时联系作者。
———————————————————————————————————————————
1