广度优先搜索详解(附上python代码)

写在前面

本博客深度讲解广度优先遍历及其代码实现

1. 广度优先搜索

• 是关于图数据结构的一种算法，它可以回答两个问题：
  ①从节点A出发，有前往结点B的路径么？
  ②从节点A出发，前往结点B的哪条路径最短？

2. 预备概念

• 一度关系：A——>B
• 二度关系：A——>B——>C，A与C为二度关系

我们搜索最短路径是按照一度关系优于二度关系以此类推，找到最短路径的。

• 广度有限搜索需要一个队列来存储每次访问结点的信息

3. 举个简单例子

现在假设我们要寻找结点A到结点G的最短路径，考虑下面这张图

可以看到就是这么简单，运用一个队列来记录访问顺序，我们先访问的永远都是一度关系结点。

4. 代码实现

4.1 如何构建图结构

• 我们使用哈希表来表示图结构，键表示某个结点，值表示该节点对应的一度关系结点

# 构建图结构,value只记录一度关系的结点

graph = {}
graph["A"] = ["B","C","D"]
graph["B"] = ["F"]
graph["C"] = ["G"]
graph["D"] = ["E"]
graph["E"] = []
graph["F"] = ["G"]
graph["G"] = []

• 顺便提一句，键-值对的添加顺序不是很重要，因为散列表是无序的。

4.2 实现算法

def search(name):
    flag = 0
    search_queue = deque() #创建一个队列
    search_queue += graph["A"] # 将起点的一度关系结点加入队列
    searched = [] # 记录检查过的人
    string = "A" # 记录路径
    while search_queue:
        node = search_queue.popleft() # 取出队首第一个元素
        if node not in searched:
            if node == name:
                string += "-->" + node
                flag = 1
                print(string)
                return True
            else:
                string += "-->" + node
                search_queue += graph[node] # 不是G，将该节点的一度关系结点加入队列末尾
    
    if flag == 1:
        print(string)
    else :
        print(name,"not in graph")
        
search('G')
search('k')
# result 
A-->B-->C-->D-->F-->G
k not in graph

4.3 运行时间

O(V+E)，V表示结点数(因为要将结点加入队列，指的是 加入操作的复杂度)，E是边的个数，因为要访问查看当前是否为需要的结点。

总结

为了实现广度优先遍历你需要：

• 一个图
• 一个队列用来存储访问顺序
• 一个数组用来存储已经访问过的元素(我们肯定不希望访问重复的元素)