广度优先搜索算法(Breadth-First-Search),又译作宽度优先搜索,或横向优先搜索,简称BFS,是一种图形搜索算法。简单的说,BFS是从根节点开始,沿着树的宽度遍历树的节点。如果所有节点均被访问,则算法中止。广度优先搜索的实现一般采用open-closed表。
特性
空间复杂度
因为所有节点都必须被储存,因此BFS的空间复杂度为 O(|V| + |E|),其中 |V| 是节点的数目,而 |E| 是图中边的数目。注:另一种说法称BFS的空间复杂度为 O(BM),其中 B 是最大分支系数,而 M 是树的最长路径长度。由于对空间的大量需求,因此BFS并不适合解非常大的问题。
时间复杂度
最差情形下,BFS必须寻找所有到可能节点的所有路径,因此其时间复杂度为 O(|V| + |E|),其中 |V| 是节点的数目,而 |E| 是图中边的数目。
最佳解
若所有边的长度相等,广度优先搜索算法是最佳解——亦即它找到的第一个解,距离根节点的边数目一定最少;但对一般的图来说,BFS并不一定回传最佳解。这是因为当图形为加权图(亦即各边长度不同)时,BFS仍然回传从根节点开始,经过边数目最少的解;而这个解距离根节点的距离不一定最短。这个问题可以使用考虑各边权值,BFS的改良算法成本一致搜寻法(en:uniform-cost search)来解决。然而,若非加权图形,则所有边的长度相等,BFS就能找到最近的最佳解。
广度优先搜索算法的应用
广度优先搜索算法能用来解决图论中的许多问题,例如:
- 寻找图中所有连接元件(Connected Component)。一个连接元件是图中的最大相连子图。
- 寻找连接元件中的所有节点。
- 寻找非加权图中任两点的最短路径。
- 测试一图是否为二分图。
- (Reverse) Cuthill–McKee算法
寻找连接元件
由起点开始,执行广度优先搜索算法后所经过的所有节点,即为包含起点的一个连接元件。
广度优先搜索,即BFS(Breadth First Search),是一种相当常用的图算法,其特点是:每次搜索指定点,并将其所有未访问过的邻近节点加入搜索队列,循环搜索过程直到队列为空。
算法描述如下:
(1)将起始节点放入队列尾部
(2)While(队列不为空)
取得并删除队列首节点Node
处理该节点Node
把Node的未处理相邻节点加入队列尾部
使用该算法注意的问题:
(1)使用该算法关键的数据结构为:队列,队列保证了广度渡优先,并且每个节点都被处理到
(2)新加入的节点一般要是未处理过的,所以某些情况下最初要对所有节点进行标记
(3)广度优先在实际使用时,很对情况已超出图论的范围,将新节点加入队列的条件不再局限于
相邻节点这个概念。例如,使用广度优先的网络爬虫在抓取网页时,会把一个链接指向的网页中的所有
URL加入队列供后续处理。
例题:
迷宫问题
迷宫是由一个一个的方格子组成,有些格子之间是相通的,而有些不是,把一只小白鼠放入这样一个迷宫,问小白鼠怎么样才能最快的走出迷宫
这里迷宫可以用一个简单的二维数组来表示,数组元素值1表示连通,0表示不连通。 这虽然不是一个直接的图的问题,但其实也不难看出其和图的相关性:
vertex:所有值为1的格子。 (值为0的格子因为不连通,从逻辑上来讲并不属于这个图,但我们依赖与它来判断两点间是否有edge存在)
edge: 任意两个相邻的,且值都为1的vertex之间的联系
可以发现,迷宫的这种对于图的表达方式,与传统的邻接表,邻接矩阵表达方式很不相同 (更加紧凑),但是却非常适合来表示迷宫这样的结构。这也是一个图,只不过有其特定的访问方式而已。 指定起点,与终点(任何边界vertex),在这个数组上应用BFS,就能找出走出迷宫的最短路径,当然,需要注意的是不能重复访问已经访问过的结点,我们可以直接修改表示迷宫的数组,如访问过了就设为0,也可以提供一个辅助数组来标记是否访问过。
(具体例题以及解法参考BFS例题)