中fifo算法_计算机入门必备算法——广度优先遍历搜索

1、 序言

又很久没有学习了，上次学到哈希表又称散列表的相关知识，这次我们学习一种新的数据结构来建立网络模型。这种数据结构被称作为图。首先，我们先应该先了解一下什么是图，其次学习第一种图的算法，这种图的算法被称作是广度优先搜索算法(breadth-first search ,BFS)。

广度优先搜索算法其实就是帮助你找出两样东西之间的最短距离，掌握了这种算法之后，我们可以完成以下几项内容：

l 编写国际跳棋AI，计算出最少走多少步可以获胜

l 编写拼写检查器，计算最少编辑多少个地方就可以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

l 根据你的人际关系网络找到关系最近的医生

--------此示例来源于《算法图解》

2、 图简介

听说户县到咸阳的大巴已经停运了，那么我们去咸阳的话就需要重新计算路线，(我们暂时排除自驾到咸阳的路线)假设我们乘坐公共交通工具前往，并且希望中间的换乘最少，可以到达的部分交通线路如下：

鄠邑到咸阳的部分交通线路

我们从图中可以发现想从石油大学直接到达咸阳湖景区，除了自驾其它并不能一步到达景区，接着我们使用两步、三步、四步发现都不能直接到达景区，最少也得需要五步，路线为：从石油大学东门(周南站)乘坐101路到鄠邑站，然后乘坐动车到达阿房宫站，然后乘坐1061路到达沣东第一学校站，接着换成咸阳郭杜线到达统一广场站，最终不步行到达咸阳湖景区。当然还有其他到达景区的路线，但它们执行起来路程会更远。这个算法发现，前往咸阳湖景区需要五部，这种问题在专业上称为“最短路径问题(shorterest-path problem)”。解决最短路径的问题的算法被称为广度优先搜索。

就像上图一样，我们将路线用图解的形式展现出来，这就是图！其实非常简单，图由节点和边组成。一个节点可能与众多节点直接相连，这些众多节点都被称为这个节点的邻节点，在上图，大十字站和亚迪路站都被称为郭寨桥站的邻节点。

一句话概括起来：图用于模拟不同的东西是如何相连的。

3、 广度优先搜索

广度优先搜索算法是一种可用于图的查找算法，可以帮助回答两类问题：

1、 从节点A出发，有前往节点B的路径吗？

2、 从节点A出发，前往节点B的哪条路径最短？

举个例子，假设你经营着一个果园，每年秋天果子成熟了你需要将苹果卖给他。在微信上，你在好友列表中去找这么一个人。这种查找很简单，只需每看到一个人，然后想想他是不是收苹果的。

苹果经销商(图文不符)

假设你没有朋友是收苹果的，那么就必须在朋友的朋友中进行查找。然后问到信息之后立马把他记在小本本上，这样一来，不仅需要在朋友中进行查找，还需要在朋友的朋友中查找。如果你当前看到的朋友并不是收苹果的，就将其加入小本本里，这就意味着你将在他的人际关系中进行查找。这种算法最终会将你整个人际关系网进行搜索，直到找到苹果经销商，这就是广度优先搜索算法。

l 广度优先搜索算法过程

在刚才的例子中，我们先从自己的朋友开始找起，后来从朋友的朋友继续查找，自己朋友称为一度关系，朋友的朋友称为二度关系，显然，一度关系优于二度关系。

搜索时，肯定是先自己的朋友，其次是朋友的朋友。当然只有按添加顺序查找时，才能达到搜索的目的。举个例子，张三是自己的朋友，李四是张三的朋友，但是李四先添加到名单中时，假设张三和李四都是收苹果的，但是由于添加顺序不对，必定会先搜索李四，然后再搜索张三，这样的话只是搜索到了苹果经销商，但没搜索到最近的朋友。

别忘了广度优先搜索需要解决两个问题：第一个是存在吗？第二个是最短吗？

但是这种按照顺序存储的数据结构竟然存在，它的专业术语叫做“队列”。

队列

l 队列

数据结构的队列就如同我们吃饭排队，秉承先来后到的原则，先到的先吃饭。队列类似于栈，你不能随机地访问队列中的元素，队列只支持两种操作：入队和出队。

队列是一种先进先出的数据结构(First in First Out，FIFO)

3、 代码实现

package cn.yanhao.breadthfirstsearch;/** * 定义图类 */public class Graph{    private final int Max_VERTS = 6;   //图中顶点的个数    private Vertex vertexList[];        //用来存储顶点的数组    //用邻接矩阵来存储边，数组元素表示没有边界，1表示有边界    private int adjMat[][];    private int nVerts;         //顶点个数    private QueueX queue;       //用队列实现广度优先搜索    /*    顶点类     */    class Vertex{        public char label;        public boolean wasVisited;        public Vertex(char label){            this.label = label;            wasVisited = false;        }    }    Graph(){        //顶点数组长度初始化为20        vertexList = new Vertex[Max_VERTS];        //初始化20x20矩阵        adjMat = new int[Max_VERTS][Max_VERTS];        nVerts = 0; //初始化顶点个数为0        //初始化邻接矩阵所有元素都为0，即所有顶点没有边        for (int i = 0; i < Max_VERTS; i++) {            for (int j = 0; j < Max_VERTS; j++) {                adjMat[i][j] = 0;            }        }        queue = new QueueX();    }    //将顶点添加到数组中，是否访问位置置为wasVisited = false(未访问)    public void addVertex(char lab){        //先添加在加1        vertexList[nVerts++] = new Vertex(lab);    }    //用邻接矩阵表示边，是对称的，两部分都要赋值    public void addEdge(int start,int end){        adjMat[start][end] = 1;        adjMat[end][start] = 1;    }    //打印某个顶点表示的值    public void displayVertex(int v){        System.out.print(vertexList[v].label+"");    }    //找到与某一顶点邻接且未被访问的顶点    public int getAdjUnvisitedVertex(int v){        for (int i = 0; i < nVerts; i++) {            //v顶点与i顶点相邻且未被访问            if(adjMat[v][i] == 1 && vertexList[i].wasVisited == false){                return i;            }        }        return -1;    }    /**     * 广度优先搜索     * 1、用remove方法检查栈顶     * 2、试图找到这个顶点还未被访问的邻接点     * 3、如果没有找到，该顶点出列     * 4、如果找到这样的顶点，访问这个顶点，并把它放入队列中     */    public void breadthFirstSearch()    {        //第一个顶点可访问        vertexList[0].wasVisited = true;        //打印第一个顶点的值        displayVertex(0);        //队列插入第一个元素        queue.insert(0);        int v2;        //如果队列不为空        while(!queue.isEmpty()){            int v1 = queue.remove();            while ((v2 = getAdjUnvisitedVertex(v1)) != -1){                vertexList[v2].wasVisited = true;                displayVertex(v2);                queue.insert(v2);            }        }        //搜索完毕，初始化，便于下次搜索        for (int i = 0; i < nVerts; i++) {            vertexList[i].wasVisited = false;        }    }    public static void main(String[] args) {        Graph graph = new Graph();        graph.addVertex('A');        graph.addVertex('B');        graph.addVertex('C');        graph.addVertex('D');        graph.addVertex('E');        graph.addEdge(0,1);     //AB        graph.addEdge(1,2);     //BC        graph.addEdge(0,3);     //AD        graph.addEdge(3,4);     //DE        System.out.println("广度优先搜索算法：");        graph.breadthFirstSearch();    }}