算法学习之广度优先搜索

图和广度优先搜索的基本概念

图模拟一组连接，根据连接的线段有方向和无方向分为有向图和无向图。

图由节点和边组成。一个节点可能与众多节点直接相连，这样直接相连的节点称为邻居。

而广度优先搜索，简称BFS，是从根节点开始，沿着树的宽度（广度）遍历树的节点，如果发现目标，则演算终止。

所以，你需要建立一个人际关系图，其中有一度朋友关系，二度朋友关系等等，其中一度朋友关系大于二度朋友关系，依此类推。

当你冥思苦想加上打电话询问你的朋友都有哪些朋友之后，你终于建立好了这张人际关系图。

此时，你肯定是首先在所有一度朋友关系的人里面搜索，看看有没有卖房子的，如果有，OK直接找他了；如果没有，再去找二度朋友关系（朋友的朋友）的人；如果再没有再去找三度朋友关系的人；依此类推。

上面这种思路就是广度优先搜索！

广度优先搜索可解决的问题：

• 从节点A出发，有前往节点B的路径吗？
• 从节点A出发，前往B的哪条路径最短？

算法实现

要达到目的，只有添加顺序查找，才能达到目的。即，只有先添加你的朋友，把你的朋友查询完后，在添加你朋友的朋友，将你朋友的朋友查询完后，在添加朋友的朋友的朋友，以此类推。有一个可实现这种目的的数据结构，那就是队列。

• 队列是一种先进先出（Fist In Fist Out)的数据结构，而栈是一种后进先出的数据结构。

你和你的朋友们的关系以及他们的朋友关系，可以用散列表来表示。散列表可以使键映射到值，在这里，要将节点映射到所有的朋友，例如：

graph = {}
graph["you"] = ["alice", "bob", "claire"]

“你”被映射到了一个数组，因此graph["you"]是一个数组，其中包含了“你”的所有朋友。

完整的朋友关系散列图代码：

graph = {}
graph["you"] = ["alice", "bob", "claire"]   #对应的值为一个数组
graph["bob"] = ["peggy", "anuj"]
graph["peggy"] = []
graph["anuj"] = []
graph["alice"] = ["peggy"]
graph["claire"] = ["thon", "jonnym"]
graph["thon"] = []
graph["jonny"] = []

要注意的是，添加关系时的前后顺序不影响结果，因为散列图时无序的，因此添加 键-值对的顺序无关紧要。

现在关系图已经建立好了，那么接下来就是实现找 卖房子的 人了。

from collections import deque
def person_is_seller(name):
    return name[-1] == "m"     #检查人的姓名是否以m结尾，有点草率0.0

def search(name):
    search_queue = deque()
    search_queue += graph[name]
    searched = []                 #这个数组用于记录检查过的人
    while search_queue:
        person = search_queue.popleft()
        if person not in searched:           #这个人没有检查时才检查
             if person_is_seller(person):
                 print (person)
                 return True
             else:
                  search_queue += graph[person]
                  searched.append(person)         #将这个人标记为已检查
    return False

第一个if语句的必要性。存在这样的一种情况，A的朋友时B，B的朋友是A。那么就会陷入无限循环。