搜索算法 DFS 、BFS等 （python实现）（1）

搜索算法 BFS （python实现）

一、综述

遍历算法中最基础的就是 BFS 和 DFS 算法。本文将使用python，介绍BFS的中心思想和代码实现。后续将介绍各种遍历算法。

二、BFS

1.实现过程

BFS又称广度优先搜索，顾名思义，就是搜索注重广度。
例如下图：

假设有一只鹰在起始点A，“他”视野宽广，雄姿英发，正准备去寻找一只雌鸟喜结连理。但是雌鸟太胖飞不动，深藏草丛之中，所以它只能找遍所有的地方。这只鸟，每前进一次，就会将与他所在地相连的所有的地方全部找完。这里用涂色来代表他遍历的顺序。·

下面我们深入分析一下其中的实现过程，这里我引用“queue（队）”这个概念，队讲究先来后到，所以第一个排队的也就第一个出来。即先进先出原则。
对于上图，以下是具体实现过程

1. 让A排进队中
2. 与A相连的B,C,D排进队中
3. 与B,C,D 其中一点相连的元素放入队中
   （例如选择D，与D相连的则是E点）
4. 与B,C点的相连的元素放入队中。
5. 以此类推…直到找到他的新娘，或者队中没有元素（那么这是只孤鹰）

产生的队列就是这样----
A-B-C-D-E-F

由以上步骤可知，BFS的遍历是多种多样的。

2.代码实现

（1）遍历全图

graph = {'A':['B','C'],
         'B':['D','A'],
         'D':['B','C'],
         'C':['D','E','A'],
         'E':['D','C','F'],
         'F':['E']} 
#首先使用字典创建一个图

def BFS(graph,start):#函数以图和起点作为变量
	queue = [start]#起点首先排进队列
	alreadyTraverse = {start}#年轻的鹰的记性好，不会走相同的地方
	
	while (len(queue)>0):#不断遍历直到队中没有元素
		node=queue.pop(0)#取出队中的一个元素
		print(node)
		for neighbour in graph[node]:#对于选中元素的所有邻居进行遍历
			if neighbour not in alreadyTraverse:#集合在python中是hashing判断快
				alreadyTraverse.add(neighbour)
				queue.append(neighbour)#继续排队
		print(node)

(2) 找到最短路径（假设全部路径长度一样）

graph = {'A':['B','C'],
         'B':['D','A'],
         'D':['B','C'],
         'C':['D','E','A'],
         'E':['D','C','F'],
         'F':['E']} 
#首先使用字典创建一个图

def BFS(graph,start,end):#函数以图和起点以及中点作为变量
	queue = [[start,[start]]]#起点首先排进队列,这里加入一个列表进行记录路径
	alreadyTraverse = {start}#年轻的鹰的记性好，不会走相同的地方
	
	while (len(queue)>0):#不断遍历直到队中没有元素
		node,path=queue.pop(0)#取出队中的一个元素，分别赋给节点和路径
		for neighbour in graph[node]:#对于选中元素的所有邻居进行遍历
			if neighbour not in alreadyTraverse:#集合在python中是hashing判断速度快
				alreadyTraverse.add(neighbour)
				queue.append([neighbour,path+[neighbour]])#继续排队
				if neighbour == end:
					return path+[neighbour]

（3）找到全部路径

graph = {'A':['B','C'],
         'B':['D','A'],
         'D':['B','C'],
         'C':['D','E','A'],
         'E':['D','C','F'],
         'F':['E']} 
         
def BFS(graph,start,end):#函数以图和起点以及中点作为变量
	queue = [[start,[start]]]#起点首先排进队列,这里加入一个列表进行记录路径
	alreadyTraverse = {start}#年轻的鹰的记性好，不会走相同的地方
	allPath=[]#这个列表进行记录
	
	while (len(queue)>0):#不断遍历直到队中没有元素
		node,path=queue.pop(0)#取出队中的一个元素，分别赋给节点和路径
		for neighbour in graph[node]:#对于选中元素的所有邻居进行遍历
			if neighbour not in alreadyTraverse:#集合在python中是hashing判断速度快
				alreadyTraverse.add(neighbour)
				queue.append([neighbour,path+[neighbour]])#继续排队
				if neighbour == end:
					allPath.append(path+[neighbour])#找到之后不停止
	return allPath

（4）找路径（方法二）
除了使用以上方法还可以建立一棵树进行倒序查找，从目标节点不断地寻找父节点。

graph = {'A':['B','C'],
         'B':['D','A'],
         'D':['B','C'],
         'C':['D','E','A'],
         'E':['D','C','F'],
         'F':['E']} 
#首先使用字典创建一个图

def BFS(graph,start):#函数以图和起点作为变量
	queue = [start]#起点首先排进队列
	alreadyTraverse = {start}#年轻的鹰的记性好，不会走相同的地方
	parent={}#记录每一个节点的父节点
	while (len(queue)>0):#不断遍历直到队中没有元素
		node=queue.pop(0)#取出队中的一个元素
		for neighbour in graph[node]:#对于选中元素的所有邻居进行遍历
			if neighbour not in alreadyTraverse:#集合在python中是hashing判断快
				parent[neighbour]=node
				alreadyTraverse.add(neighbour)
				queue.append(neighbour)#继续排队
	return parent
	
def allPath(parent,start,end):
    path=[]
    while (start != end) :#使用while循环不断地找到end前面的元素
        path.append(end)
        end = parent[end]
        print(path)
    path+=[start]
    path.reverse()#由于是倒序查找所以需要倒序排列
    return path