图搜索算法 - 广度优先搜索法（BFS）

相关文章：
图搜索算法 - 深度优先搜索法（DFS）

广度优先搜索法（BFS）

2.从一个顶点出发，把它所有关联的顶点依次访问，然后到下一个顶点（刚才访问的关联顶点）。然后以这个顶点为中心，再次访问所有关联顶点，直到所有顶点被访问。利用广度优先搜索法，从【A】顶点出发来遍历所以结点。这次使用队列结构来存储访问记录。下面我们模拟计算机的访问过程。
（1）首先访问【A】顶点，同时把【A】顶点进入队列，如图所示。

（2）访问【A】的关联顶点【B】，同时把【B】顶点放进队列，如图所示。

（3）访问【A】的关联顶点【C】，同时把【C】顶点放进队列，如图所示。

4）【A】顶点已经没有未访问的顶点了，那么把【A】顶点移出队列，然后访问队列的头【B】顶点。这时候我们找到【D】顶点未被访问，因此把【D】顶点放进队列，如图所示。

后面的过程也是这样重复下去，最终结果如图所示。

那么现在用代码来表示刚才这个遍历过程。

def graph_bfs(adjacency_list, start_point):
    visited = [start_point] # 保存已经访问过的顶点
    queue = []              # 用队列结构来记录访问历史
    queue.append(start_point)
    while len(queue) > 0:   # 当队列为空，说明全部顶点已经遍历完成
        current_point = queue.pop(0)  # 获取访问历史的队头为当前顶点
        for next_point in adjacency_list.get(current_point, []):
            # 逐一访问当前顶点的所有关联点
            if next_point not in visited:  # 如果没有访问添加到已访问队列中 
                visited.append(next_point)
                queue.append(next_point)   # 在队尾添加顶点作为访问记录
    return visited
#------------测试--------------------
res = graph_bfs(graph, 'A')
print("->".join(res))
#------------结果--------------------
A->B->C->D->E->F->G