剑指offer刷题记录10--机器人的运动范围（广度优先搜索）

该系列博客内容主要是《剑指Offer》中的经典题目，结合在刷题过程中见到的一些精彩的解题过程，从而在这里记录下来。代码以Python3实现。

题目分析
机器人从坐标（0，0）开始运动，当它准备进入坐标为（i，j）的格子时候，通过检查坐标的数位和来判断机器人是否能够进入，如果机器人能够进入坐标为（i，j）的格子，则再判断它是否可以进入4个相邻的格子。在这里，需要注意的是，有种情况是坐标虽然满足数位之和不大于k，但是不能从坐标（0，0）通过上下左右移动到达当前格子。如下图所示：

如何计算行坐标和列坐标的数位之和

在这里我们先用广度优先搜索的算法思想进行求解，那什么是广度优先搜索呢？
广度优先搜索（Breadth First Search,BFS）
广度优先搜索，一般用来解决最短路径的问题。和深度优先搜索不同，广度优先的搜索是从起始点出发，一层一层地进行，每层当中的点距离起始点的步数都是相同的，当找到了目的地之后就可以立即结束。
广度优先的搜索可以同时从起始点和终点开始进行，称之为双端 BFS。这种算法往往可以大大地提高搜索的效率。
举例：在社交应用程序中，两个人之间需要经过多少个朋友的介绍才能互相认识对方。
解法：
1.只从一个方向进行BFS，有时候这个人认识的朋友特别多，那么会导致搜索起来非常慢；
2.如果另外一方认识的人比较少，从这一方进行搜索，就能极大地减少搜索的次数；
3.每次在决定从哪一边进行搜索的时候，要判断一下哪边认识的人比较少，然后从那边进行搜索。
BFS遍历
例题：假设我们有这么一个图，里面有A、B、C、D、E、F、G、H 8 个顶点，点和点之间的联系如下图所示，对这个图进行深度优先的遍历。

解题思路
依赖队列（Queue），先进先出（FIFO）。
一层一层地把与某个点相连的点放入队列中，处理节点的时候正好按照它们进入队列的顺序进行。
第一步，选择一个起始顶点，让我们从顶点 A 开始。把 A 压入队列，标记它为访问过（用红色标记）。

第二步，从队列的头取出顶点 A，打印输出到结果中，同时将与它相连的尚未被访问过的点按照字母大小顺序压入队列，同时把它们都标记为访问过，防止它们被重复地添加到队列中。

第三步，从队列的头取出顶点 B，打印输出它，同时将与它相连的尚未被访问过的点（也就是 E 和 F）压入队列，同时把它们都标记为访问过。

第四步，继续从队列的头取出顶点 D，打印输出它，此时我们发现，与 D 相连的顶点 A 和 F 都被标记访问过了，所以就不要把它们压入队列里。

第五步，接下来，队列的头是顶点 G，打印输出它，同样的，G 周围的点都被标记访问过了。我们不做任何处理。
第六步，队列的头是 E，打印输出它，它周围的点也都被标记为访问过了，我们不做任何处理。
第七步，接下来轮到顶点 F，打印输出它，将 C 压入队列，并标记 C 为访问过。
第八步，将 C 从队列中移出，打印输出它，与它相连的 H 还没被访问到，将 H 压入队列，将它标记为访问过。
第九步，队列里只剩下 H 了，将它移出，打印输出它，发现它的邻居都被访问过了，不做任何事情。
第十步，队列为空，表示所有的点都被处理完毕了，程序结束。

接下来我们就看如何用广度优先搜索的思想来解答这道题。以下来自力扣大佬的解析：



代码如下

Question: 在这里优点看不懂为啥for dx,dy in [(1,0),(0,1)] 就是向下向右运动？
下面使用深度优先搜索的算法思想求解，同样来自力扣大佬的解析


代码如下

参考链接1
参考链接2