浅谈广度优先搜索算法

广度优先搜索

广度优先搜索可以让我们找出两个东西之间的最短距离，比如在在中国象棋中计算最少花费多少步就可以把对方将死、前往朋友家的最短路径、根据人际关系网络找到关系最近的代理商等等。

1、引言

假设你要找出一条从你家到学校的路线，并且想找出一条最短的路线，你可以选择的路线如下:

那么我们该怎么找呢？

首先我们看我们从家出发，一步能到学校吗？

显然一步是到达不了的，那两步呢？

看来两步也不能，那三步呢？

看来三步可以到达学校，于是我们就找出了从家到学校的最短路线。一般来说，解决最短路径问题的算法被称为广度优先搜索。

2、广度优先搜索能解决的问题

广度优先搜索一般能解决以下两类问题:

1、从A节点出发，有没有前往B节点的路径？

假设你是一名农场主，家里有五百亩稻田，到了收获的季节，你急需找一名大米经销商，来出售你的稻谷。那么你会怎么做呢？

首先你肯定会先看看你的朋友有没有干这一行的，假如你的朋友没有干这一行的，那么你可能会在你朋友的朋友当中去查找。如果还没有的话呢？那么你可能在朋友的朋友当中进行查找，直到搜索完你整个人际关系网，或者找到大米经销商为止。

这使用的就是广度优先搜索算法。

2、从A节点出发，前往B节点的哪条路径最短？

我们接着使用上面的那个例子，先提前说明一下，你的朋友是一度关系，朋友的朋友是二度关系。也就是一度关系比二度关系更近一步，二度关系比三度关系更近一步，以此类推。

要想找出最短的路径，那么你首先应该从一度关系中查找，并确定里面有没有大米经销商。在确定其中没有大米经销商后，才从二度关系中进行查找，以此类推。这就是我们广度优先搜索的执行过程，即搜索范围从起点开始逐渐向外延伸，即先检查一度关系，然后再检查二度关系。在一度关系全部检索完成之后，再检索二度关系。因为我们要找的是最短路径。

3、广度优先搜索算法的实现

那么要实现上述算法，我们该怎么操作呢？相信我们不难发现，要实现上面的过程，我们只有按照添加顺序查找时，才有可能实现目的。也就是说，A,B,C,D先于F,G,E，那么我们应该先检查A,B,C,D，然后再检查F,G,E。要实现这个操作，那么我们就需要用到队列的知识了。

队列的工作原理就如它的名字一样。相信我们大家都等过公交车，我们在上公交车之前都是站成一排的，先排队的先上车，后排队的后上车。队列也是这样，它是一种先进先出的数据结构

下面我就用伪代码来实现广度优先搜索算法

from collections import deque
queue = deque()
queue += graph["you"] 

//用于记录检查过的人
def search(name):
    search_queue = deque()
    search_queue += graph[name]
    searched = []
//人际关系网
graph = {}
graph["you"] = ["A","B","C","D"]
graph["A"] = ["F","G"]
graph["B"] = ["G"]
graph["C"] = []
graph["D"] = ["E"]

while queue:
    person = queue.popleft()
    if person not in searched:
        if seller(person):
            print("find it!!!")
            print("The person is "+person)
            return True
        else:
            queue +=graph[person]
            searched.append(person)
return False

search("you")

4、运行时间

无论我们讨论什么算法，我们都要考虑它的操作时间。那么我们广度优先搜索算法的操作时间为多少呢？我们从图可知，我们的操作时间是O(边数+人数)