双向BFS

双向BFS算法思想

理解

双向BFS适用于已经直到了起点和终点的状态下使用，从起点和终点两个方向开始进行搜索，可以极大地提高单向BFS的搜索效率。

可以设置两个队列，一个队列保存从起点开始搜索的状态，另一个队列用来保存从终点开始搜索的状态，当两个队列都非空时才能继续进行循环。循环内不断对元素较少的队列进行BFS操作(以免退化为单向BFS)，每次操作从队列弹出一个元素，与该元素相连的后续未访问元素压入队列中。如果某一个状态出现相交的情况，那么就出现了答案。

当两种颜色相遇的时候，说明两个方向的搜索树遇到一起，这个时候就搜到了答案。

针对扩展方式还可以进行优化——交替逐层扩展。由于两端扩展节点个数可能差别很大，所以每次选择节点个数少的队列进行扩展。return的条件仍为有节点重叠。

正确性证明如下(证明不会因为提前break而错过最优解)：

假设当前得到最优解为X，不失一般性，假设X现在是从起点搜索到的，则X已经被终点搜索过了，所以才终止搜索。使用反证法证明，假设存在最优解Y。

• 若X和Y在同一层，则当且仅当从终点搜索时Y位于X前面层，Y才为最优解。设从起点搜索Y的前一个节点为z，由于终点方向从Y所在层，扩展到X所在层，这个过程是连续，所以在这个过程中会首先扩展到z，则z被当做最优解，程序return。如下图所示:

• 

• Y位于X的后面，令X和Y相隔i层，则Y为最优解的充分条件为：从终点方向，Y与X的层数之差大于i，记为j。令起点方向上，z是y的前j个节点。那么从终点方向搜索时，z应该不晚于x被搜到。因此也不会错过最优解。如下图所示：

• 

所以使用交替逐层能保证算法正确性。

我们知道，BFS是往广处去搜索，我们把这想象成一个以起点为圆心的一个圆，每向前走一步，就是圆的半径增大一个单位，而圆的每个单位面积上是一种状态，当圆增大到目标点那么大时，找到了答案，搜索结束。那么显然的，当半径较大时，每走一步就会有十分大量的状态需要来储存($S=\pi r^2$)。通常的，我们用“判重”的方法来解决，但是在这里，还有一种优化方法：双向BFS：

双向搜索适用于起点和终点状态都很明确的搜索题。试想，我从起点推算到终点，与我从终点推算到起点，最后得到的最少步骤数一定是相等的，所以我们可以从起点和终点同时搜索。同样用圆来打比方，假设以起点为圆心画圆时，其半径为$r$，以终点为圆心画圆时，其半径为$R$，那么显然有：$\pi r^2+\pi R^2\le \pi (r+R{)}^2$。

蓝色圆是从起点出发搜索得到的圆，绿色圆是 从终点出发搜索得到的圆，起点和终点同时搜索，双向BFS，此时只需要搜索的状态空间是$\pi r^2+\pi R^2$，而如果我们只是用单向的BFS算法，那么得到的状态空间是$\pi (r+R{)}^2$，显然$\pi r^2+\pi R^2\le \pi r^2+\pi R^2+2\pi rR$。由此可知，双向BFS效率更高。

双向BFS的正确做法是交替逐层搜索，而不是交替节点搜索，为什么交替节点搜索是错误的呢？

求S-T的最短路，交替节点搜索（一次正向节点，一次反向节点）时：

• Step 1 : S –> 1 , 2
• Step 2 : T –> 3 , 4
• Step 3 : 1 –> 5
• Step 4 : 3 –> 5 返回最短路为4，错误的，事实是3，S-2-4-T

正确做法的是交替逐层搜索，保证了不会先遇到非最优解就跳出，而是检查完该层所有节点，得到最优值。也即如果该层搜索遇到了对方已经访问过的，那么已经搜索过的层数就是答案了，可以跳出了，以后不会更优的了。当某一边队列空时就无解了。

为什么要优先选择队列元素少的进行BFS呢？

因为长度小的队列扩展出的元素数量少，效率高。提供速度的关键在于使状态扩展得少一些，所以优先选择队列长度较少的去扩展，保持两边队列长度平衡。这比较适合于两边的扩展情况不同时，一边扩展得快，一边扩展得慢。如果两边扩展情况一样时，加了后效果不大，不过加了也没事。

况不同时，一边扩展得快，一边扩展得慢。如果两边扩展情况一样时，加了后效果不大，不过加了也没事。