宽度优先搜索

宽度优先搜索（BFS）

1.什么时候使用BFS

1.图的遍历
	-层级遍历
	-由点及面（连通性）
	-拓扑排序
2.最短路径
	-仅限简单图求最短路径 ，即图中每条边的长度都是1（一样），且没有方向。

2.解树的遍历（层级遍历）

注：树是一种特殊的图，树属于图。

	宽度优先搜索就是把二叉树的每一层依次压入队列。

步骤

1.创建一个队列，把起始节点放进去。
2. while 队列不空，处理队列中的节点，读出该节点的兄弟节点，并加入队列。
3. 把每一层的队列放入数组。

3.二叉树的序列化

序列化：object => String
反序列化：String => object

方法：Json

4.图的宽度优先搜索（连通性）

图：由点和边组成的。

在 图 和 树 中进行宽度优先搜索的区别：树有严格的上下级关系（父子关系），图是双向关系（邻居关系）。
所以在图中进行BFS可能会存在环，即同一节点可能会多次进入在队列中。在对图进行BFS时，需要记录这一节点有没有处理。综上，处理图的BFS需要用 HashMap。

树的充要条件：
1.有 N 个点， N-1 条边。
2.所有点连通。是否可以通过一个点(如顶点)，找到所有点。

首先自己构造一个图的邻接表，如下图：

例：可以使用 HashMap + HashSet 的结构。 【Map(Integer,Set(Integer))】。

然后就是执行宽度优先搜索算法的步骤：
1、 创建一个队列，把首节点存入。
2、 while 当队列不为空的时候，弹出队列中的节点，并且读出该节点的邻居节点。
3、 判断邻居节点是否已被访问，若已访问，跳过；若未访问，加入队列。

5. 矩阵中的宽度优先搜索

图（Graph）的特点：若有 N个点，M条边
1、M最大是O(N^2)的级别。
2、图上BFS时间复杂度 = O(N+M)，最坏情况为 O(N^2)。

矩阵（Matrix）的特点：若有 R行，C列
1、共有RC个点，2RC条边（每个点有上下左右四个方向，每个边连接两个点）
2、矩阵中 BFS时间复杂度 = O(RC)。

总结：能够用 宽度优先搜索（BFS）写的 就不用深度优先搜索（DFS）去写。