BFS-宽度优先搜索（Python）

宽度优先搜索BFS
~工作方式：
从根节点开始，由里向外，逐层遍历所有节点——它每次总是扩展深度最浅的节点。
~缺点：在树的层次较深&子节点数较多的情况下，消耗内存十分严重。
~适用情况：节点的子节点数量不多，并且树的层次不会太深的情况。
~简单举例：BFS方法，从根节点1开始，下图遍历顺序是：1，2，3，4，5，6

优先访问深度最浅的节点，故，老节点总是优先于新节点被访问，因此，我们可以使用队列来管理节点。
BFS算法的工作原理如下：
1.将根节点放入队列
2.重复以下，直到队列为空
{
2.1 取出队列头的点
2.2 找出与该点相邻并没有被访问的节点，标记后依次放入队列
}

图可以采用二维数组或者邻接表来保存

下面，我将用图来展示BFS算法的工作过程：

1.将起始节点1放入队列，进行标记


2.从队列取出头节点1，找到与该节点邻接的节点，依次放入队列，标记为已访问


3.取出队列头节点2，找到与2节点邻接的节点1，5，6。节点1已被访问，将节点5，6依次放入队列，标记为已访问


直到队列为空，后面操作重复，不再赘述。

以下用两种方式实现BFS算法：
1.队列的方式

# -*- coding: utf-8 -*-

#BFS算法的队列实现

from Queue import Queue
from Stack import Stack
from simplegraph import *

def BFS(G,v,goal,came_from):#G为导入的图；v为起始节点；goal为目标节点；
    frontier=Queue()
    frontier.enqueue(v)
    came_from[v]=None
    visited={
   }
    while not frontier.is_empty():#队列不为空
        v=frontier.dequeue()#将节点v取出队列
        if visited.get(v)==None:#判断节点v是否被访问过
            if v==goal:
                return v
            else:
                visited[v]=True#节点v被访问
                for w in G.adjacentEdges(v):#依次取节点v的相邻节点w
                    frontier.enqueue(w)#将v相邻节点放入队列
                    came_from[w]=v
    return None


def main():
    came_from = {
   }
    start = '1'
    goal = '12'
    found = BFS(G1,start,goal,came_from)
    print