《算法图解》学习笔记—第6章 广度优先搜索

前言

广度优先搜索（breadth-first search，BFS）是一种图算法。广度优先搜索可以找出两样东西之间的最短距离，使用广度优先搜索可以：

• 编写国际跳棋AI，计算最少走多少步就可获胜；
• 编写拼写检查器，计算最少编辑多少个地方就可将错拼的单词改成正确的单词，如将READED改为READER需要编辑一个地方；
• 根据你的人际关系网络找到关系最近的医生。

---

最短路径问题（shorterst-path problem）。你经常要找出最短路径，这可能是前往朋友家的最短路径，也可能是国际象棋中把对方将死的最少步数。解决最短路径问题的算法被称为广度优先搜索。

要确定如何从双子峰前往金门大桥，需要两个步骤。
(1) 使用图来建立问题模型。
(2) 使用广度优先搜索解决问题。

6.1 图简介

图由节点（node）和边（edge）组成。一个节点可能与众多节点直接相连，这些节点被称为邻居。

6.2 广度优先搜索

广度优先搜索是一种用于图的查找算法。
实例：假设你经营着一个芒果农场，需要寻找芒果销售商，以便将芒果卖给他。在Facebook，你与芒果销售商有联系吗？为此，你可在朋友中查找。

队列

你需要按加入顺序检查搜索列表中的人，否则找到的就不是最短路径，因此搜索列表必须是队列。
队列只支持两种操作：入队和出队。队列是一种先进先出（First In First Out，FIFO）的数据结构，而栈是一种后进先出（Last InFirst Out，LIFO）的数据结构。

有向图、无向图

有向图（directed graph）中的关系是单向的。无向图（undirected graph）没有箭头，直接相连的节点互为邻居。例如，下面两个图是等价的。

树是一种特殊的图，其中没有往后指的边。

实现算法

算法的工作原理：
（对于检查过的人，务必不要再去检查，否则可能导致无限循环。）

from collections import deque
search_queue = deque()    #创建一个队列
search_queue += graph["you"]#将你的邻居都加入到这个搜索队列中

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:  #只要队列不为空
         person = search_queue.popleft()  #就取出其中的第一个人
         if not person in searched: #仅当这个人没检查过时才检查
             if person_is_seller(person):  #检查这个人是否是芒果销售商
                print person + " is a mango seller!" #是芒果销售商
                return True
              else:
                search_queue += graph[person] #不是芒果销售商。将这个人的朋友都加入搜索队列
                searched.append(person) #将这个人标记为检查过
     return False

def person_is_seller(name):
return name[-1] == 'm' #示例中假设“函数检查人的姓名以m结尾就是芒果销售商”

运行时间

如果你在你的整个人际关系网中搜索芒果销售商，就意味着你将沿每条边前行（记住，边是从一个人到另一个人的箭头或连接），因此运行时间至少为O(边数)。
你还使用了一个队列，其中包含要检查的每个人。将一个人添加到队列需要的时间是固定的，即为O(1)，因此对每个人都这样做需要的总时间为O(人数)。所以，广度优先搜索的运行时间为O(人数 + 边数)，这通常写作O(V + E)，其中V为顶点（vertice）数，E为边数。