什么是广度优先算法?
广度优先搜索一层一层地进行遍历,每层遍历都以上一层遍历的结果作为起点,遍历一个距离能访问到的所有节点。但是BFS访问节点代价为1,即为对无权图求解最短路径。
BFS特性
广度优先算法需要满足以下几个条件:
- 一层一层地进行遍历
- 遍历一个距离能访问到的所有节点
- 遍历过的节点不能再次被遍历
所以针对以上条件,我们需要有如下对策:
- 设计队列,对每层元素依次搜索
- 通过分析问题发现节点的搜索规律
- 对已搜索到的数据标记
BFS求解模板
综上,我们可以得到一个求解BFS问题的模板:
- 定义 数据标记集合 mark_list
- 定义 搜索规则 search_func
- 定义 待搜索队列 queue ,并将搜索起点载入
- 定义 当前级数 level
- 遍历 queue:
- 得到当前 level 的待搜索的全部数据,并对其挨个搜索:
- 得到队首 待搜索元素 head_data
- 通过搜索规则得到下一个元素 next_data
- 判断 next_data 是否为终点数据 若是:返回 level
- 判断 next_data 是否在范围内 若否:跳出当前循环(continue/pass)
- 判断 next_data 是否在mark_list 若否:添加 next_data 至mark_list和 queue (还有一种情况是mark_list 采用已知条件,即初始为满,若 next_data 在mark_list ,则将其删去)
- 得到队首 待搜索元素 head_data
- 结束遍历 返回 未完成查找标志(0/-1)
举例:
leetcode——279. 完全平方数:
给定正整数 n,找到若干个完全平方数(比如 1, 4, 9, 16, …)使得它们的和等于 n。你需要让组成和的完全平方数的个数最少。
- 确定搜索规律:搜索小于n的完全平方数(1,4,16……)
- 确定终点条件:待搜索的数据正好等于某个完全平方数
- 确定边界和跳出规则:待搜索的数据小于某个完全平方数,因为这里的搜索规则是从小到大,所以若一个完全平方数数大于这个数,那么后面的都会大于,所以采用break提高效率
注:由于每个正整数都由可以由最小完全平方数1组成,所以这里不用设置未完成返回
代码如下:
class Solution:
def numSquares(self, n: int) -> int: