广度优先搜索（bfs）学习总结

图简介

图模拟一组连接，图由节点和边组成。一个结点可能与众多结点直接相连，这些节点被称为邻居。图用于模拟不同的东西是如何相连的。
比如模拟谁欠谁钱这个问题：

从这个图里可以看出Siri欠小v钱，小v欠小布钱等。小v是Siri的邻居，小布不是Siri的邻居，因为它们没有直接相连。在广度优先算法中，我们就需要用到图。

广度优先搜索（bfs）

广度优先搜索是一种用于图的查找算法，可以帮助回答两类问题：

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

与广度优先搜索经常并在一起的另一种搜索方法还有深度优先搜索

广度优先搜索与深度优先搜索区别

以族谱为例分析两种搜索方法

在族谱中找到外公

深度优先搜索：
搜索方法：
沿着一条路走到底，直到无路可走，还没有找到目标，再返回上一个节点去搜索上一个节点的其他路径


依旧没找到外公·，继续返回上一节点，搜索其他路径


广度优先搜索：
搜索方法：
与上相似，上面以深度为第一标准，而bfs则是以广度为第一标准，搜索范围从起点开始，即先检查一度关系，再检查二度关系：

没找到，则看下一层级：

通过上面对比，很容易可以看出若要寻找从A到B的最短路径，则使用bfs是比dfs要容易的。广度优先搜索不仅查找A到B的路径，而且找到的是最短的路径

队列

引言
在广度优先搜索中，经常会增加搜索对象，例如在你的人际关系中找到一个芒果销售商，如果你和你的朋友们都不是芒果销售商，则需要在你朋友的朋友中进行搜索，这是就需要在你搜索的图中添加成员，按添加顺序进行检查。有一种能实现这种目的的数据结构，那就是队列。

队列的工作原理与现实生活中的排队完全相同。队列只支持两种操作：入队和出队。
队列：

出队：

入队：

队列是一种先进先出（First In First Out,FIFO）的数据结构

广度优先搜索算法工作原理

以寻找芒果销售商为例
1.创建一个队列，用于存储要检查的人

2.从队列中弹出一个人
3.检查这个人是芒果销售商吗

4.
$$\{\begin{array}{ll}是,& \text{结束搜索，大功告成}\\ 不是,& \text{将这个人的所有邻居都加入队列}\end{array}$$

5.回到第二步
6.如果队列为空，就说明你的人际关系网中没有芒果销售商

这个算法将不断执行，直到满足以下条件之一：

• 找到一位芒果销售商
• 队列变成空的，这意味着你的人际关系网中没有芒果销售商

bfs代码实现

def search(name):
    search_queue = deque()
    search_queue += graph[name]
    searched = []//用这个数组来记录检查过的人
    while search_queue:
        person = search_queue.popleft()
        if person not in searchded://仅当这个人没检查过才检查
            if person_is_seller(person):
                print person + " is a mango seller!"
                return True
            else:
                search_queue += graph[person]
                searched.append(person)//将这个人标记为检查过
    return False

search("you")

关于广度优先搜索的知识就先介绍到这儿，如有问题，敬请指正，祝大家学习愉快！