算法图解-广度优先算法

Introduction:

在基于图的操作中，如果需要统计A到B的最短路径，广度优先是比较合适的算法。

首先看图：

 

我们需要从You开始，从You的每一层关系开始查找，知道找到经销商开始。假设经销商是THOM？

这是一个有三层关系的图，其中You、BOB、ALICE是其中的节点，而You->ALICE这样的就是其中的边，这样对于You，他的关系有：

You->BOB,You->ALICE,You->CLAIRE,在Python中，使用散列表可以描述对应的关系。

表示这种映射关系的Python代码如下：

graph={}                                      #先创建一个散列表  或者使用 graph=dict()

graph["you"]=["ALICE","BOB",CIAIRE"]

使用Python表示完整的图：

graph={}                                      #先创建一个散列表  或者使用 graph=dict()

graph["you"]=["ALICE","BOB",CIAIRE"]

graph["BOB"]=["ANUJ","PUGGY"]

graph["ALICE"]=["PEGGY"]

graph["CLAIRE"]=["THOM","JONNY"]

graph["ANUJ"]=[]

graph["PEGGY"]=[]

graph["THOM"]=[]

graph["JONNY"]=[]

Tips:对于程序而言，键-值的添加顺序重要吗？比如使用graph["you"]=["BOB",CIAIRE"."ALICE"]会对结果产生影响吗？

Answer：因为散列表是无序的，换言之键值对的顺序也是无序的，所以对程序而言没有什么影响。

 

Achieve:

简单通过图片描述一下算法的工作原理：

直接放上书中的图：

在使用广度优先算法时，需要创建一个额外队列用于保存哪些节点被检索了，哪些没有，在python中，可以使用deque来创建一个双端队列，可以实现入队出队操作。

from collections import deque 

search_queue = deque ()                     #新建一个队列

search_queue += graph["You"]            #将You的三个邻居添加到队列里面

下面看看其他的代码

while search_queue:                                                                               #search_queue是一个队列，主要队列有数据就往下执行

          person = search_queue.popleft()                                                  #取出其中的一个人

          if person_is_seller(seller):                                                             #检查这个人是否是经销商

                    print person + "is a mango seller !"                                     #如果是，就打印  然后结束程序

                    return True

          else:

                    search_queue += graph [person]                                        #不是经销商，就把他的朋友都加入队列

return False                                                                                             #如果所有的都不是经销商，返回并退出

在上述的代码中，person_is_seller(name)是一个未定义的函数，咱们需要自己定义

def person_is_seller(name):

          return name== "THUM"

 

Tips:这个代码中有个问题，在上面的图中，PEGGY跟两个人有关系，所以如果使用上述代码，PEGGY会被重复检查，这样相当于做了无用功，在一个数据较多的程序中，我们需要避免这种情况的发生，我们可以：

创建一个已检索人的队列，每次检索这个人的时候，看一下已检索人队列是不是已经有这个人，如果有了就不需要检索了，如果没有，检查这个人，然后把这个人加到已检索人队列。

当然在这个例子中，我们已知了重复为一个，对于这个例子，每次检查避免重复带来的效益不是太高，不过这种检查的思想是需要具备的。

 

运行时间：

单从边数来讲，运行时间最多为O（边数）

但是我们还添加了另外一个队列，用来检索已经检查过的人，所以在队列中添加人的操作时间复杂度为O(1)，因此添加人需要的总时间数为O（人数），两者结合起来，总的时间就是O（人数+边数），记作O（V+E），其中V为vertice。

 

Reflect：

1 在这个算法中，有什么可以优化的地方？

2 出了上述程序会重复检索这个不足之外，是否有其他的不足？