广度优先搜索(图基础)

 广度优先搜索可回答两类问题。

第一类问题：从节点A出发，有前往节点B的路径吗？
第二类问题：从节点A出发，前往节点B的哪条路径最短？

今天我们用图来解决这个问题

使用图来创建问题模型。解决最短路径问题的算法被称为广度优先搜索 。

什么是图

图由节点和边组成。一个节点可能与众多节点直接相连，这些直接相连的节点被称为邻居。

         无向图
（undirected graph）没有箭头，直接相连的节点互为邻居。

         有向图
节点 7,8,10 都没有邻居，因为没有从他们出发指向其他人的箭头。
被称为有向图 （directed graph），其中的关系是单向的。

下面的图更直观，方便理解。

要求：从节点-1 到达 节点-10 的最短路径。

最短路径是 节点-1 经过 节点-2 到达 节点-10。

当然经过节点-6 或节点-5 也能到达节点-10，但不是最短路径。

JS实现版本

我们用对象来表达上图的关系。

每个节点都是一个对象的成员数组，再将节点的邻居(直接相连的节点)依次加入到数组中。

let graph = {};
graph['node-1'] = ['node-2', 'node-3', 'node-4',]
graph['node-2'] = ['node-5', 'node-6', 'node-10']
graph['node-3'] = ['node-5']
graph['node-4'] = ['node-7', 'node-8']
graph['node-5'] = ['node-10']
graph['node-6'] = ['node-10']
// graph['node-7'] = []
// graph['node-8'] = []

const graphSearch = (graph, start = 'node-1', target = 'node-10') => {
  // history 记录查询过的节点
  let history = []
    , searchList = graph[start]
  ;

  if (searchList.includes(target)) {
    return true
  }

  while (searchList.length) {
    // 模拟队列弹出一个 node 元素
    let node = searchList.splice(0, 1).toString()
        // 此 node 的邻居数组
      , list = graph[node]
    ;

    // 当前 node 不在查询记录中进行查询
    if (!history.includes(node)) {
      // 加入查询记录
      history.push(node)

      if (list) {
        if (list.includes(target)) {
          console.log(node, graph[node]);
          return true
        }

        // node 不存在于 searchList 才加入查询队列
        // for (let i of list){
        //   if (!searchList.includes(i)) {
        //     searchList.push(i)
        //   }
        // }

        // 数组去重 简洁的写法
        searchList = [...new Set(searchList.concat(list))] 
      }
    }

  }

  return false
}

console.log(graphSearch(graph));