Python_算法实现_(5)广度优先搜索实现

1.概念
广度优先搜索算法(英语:Breadth-First-Search,缩写为BFS),又译作宽度优先搜索,或横向优先搜索,是一种图形搜索算法。简单的说,BFS是从根节点开始,沿着树的宽度遍历树的节点。如果所有节点均被访问,则算法中止。

2.算法实现步骤

  • 首先将根节点放入队列中。
  • 从队列中取出第一个节点,并检验它是否为目标。
  • 如果找到目标,则结束搜索并回传结果。
  • 否则将它所有尚未检验过的直接子节点加入队列中。
  • 若队列为空,表示整张图都检查过了——亦即图中没有欲搜索的目标。结束搜索并回传“找不到目标”。

3.一个实例及代码
我们以下图进行BFS算法的实现:
在这里插入图片描述
算法实现代码如下:

from collections import deque

start_node = input("Enter start node: ") # 获得查询起点
target_node = input("Enter target node: ") # 获得查询终点

# 生成图的字典
graph = {}
graph['A'] = ['B1', 'B2', 'B3']
graph['B1'] = ['C1', 'C2', 'D1']
graph['B2'] = ['C1', 'C3', 'C4']
graph['B3'] = ['C5']
graph['C1'] = ['C3', 'D1']
graph['C2'] = ['D1']
graph['C3'] = ['D1']
graph['C4'] = ['C3', 'C5']
graph['C5'] = []
graph['D1'] = []

# 定义查找函数
def search(name):   # name是查找起点
    search_queue = deque()   # 创建查询队列
    search_queue += graph[name]  # 在查询队列中加入name的1度关系
    searched = []   # 创建已查询节点的列表
    while search_queue:
        node = search_queue.popleft()   # 从队列中左移出一个节点
        if node not in searched:    # 如果节点没有查询过则进行查询,否则跳出
            if node_is_target(node):      
                print("we can find the path from {} to {}".format('A',node))
                return True
            else:
                search_queue += graph[node]  # 如果node不满足,将其邻居加入队列中
                searched.append(node)
    print("No path from {} to {}".format('A',node))
    return False

# 定义判断函数
def node_is_target(node):
    return node == target_node

search(start_node)

这里使用searched标记主要由两个目的:

  • 如果有两个节点同时指向下一个节点,如C1、C4都指向C3,这时C3再队列中会显示两次,但对于判断来说只需判断一次
  • 如果图中存在无向图(无向图即双向关系),这种情况下会生成循环队列,使用此标记可以避免循环队列带来的冗余计算
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值