BFS 算法框架

BFS 的核⼼思想应该不难理解的，就是把⼀些问题抽象成图，从⼀个点开始，向四周开始扩散。⼀般来说，我们写 BFS 算法都是⽤「队列」这种数据结构，每次将⼀个节点周围的所有节点加⼊队列。

BFS 相对 DFS 的最主要的区别是：BFS 找到的路径⼀定是最短的，但代价就是空间复杂度⽐ DFS ⼤很多

// 计算从起点 start 到终点 target 的最近距离
int BFS(Node start, Node target) {
	Queue<Node> q; // 核⼼数据结构
	Set<Node> visited; // 避免⾛回头路
	q.offer(start); // 将起点加⼊队列
	visited.add(start);
	int step = 0; // 记录扩散的步数
	
	while (q not empty) {
		int sz = q.size();
		/* 将当前队列中的所有节点向四周扩散 */
		for (int i = 0; i < sz; i++) {
			Node cur = q.poll();
			/* 划重点：这⾥判断是否到达终点 */
			if (cur is target)
				return step;
			/* 将 cur 的相邻节点加⼊队列 */
			for (Node x : cur.adj())
				if (x not in visited) {
					q.offer(x);
					visited.add(x);
				}
		}
		/* 划重点：更新步数在这⾥ */
		step++;
	}
}

二叉树的最小深度

⾸先明确⼀下起点 start 和终点 target 是什么，怎么判断到达了终点。

显然起点就是 root 根节点，终点就是最靠近根节点的那个「叶⼦节点」

套用框架

int minDepth(TreeNode root) {

	if (root == null) return 0;
	Queue<TreeNode> q = new LinkedList<>();
	q.offer(root);
	// root 本⾝就是⼀层，depth 初始化为 1
	int depth = 1;
	while (!q.isEmpty()) {
		int sz = q.size();
		/* 将当前队列中的所有节点向四周扩散 */
		for (int i = 0; i < sz; i++) {
			TreeNode cur = q.poll();
			/* 判断是否到达终点 */
			if (cur.left == null && cur.right == 		null)
				return depth;
			/* 将 cur 的相邻节点加⼊队列 */
			if (cur.left != null)
				q.offer(cur.left);
			if (cur.right != null)
				q.offer(cur.right);
		}
		/* 这⾥增加步数 */
		depth++;
	}
return depth;
}