笔记：《算法图解》第六章：图、队列、广度优先搜索

1.图

图模拟一组连接。用于模拟不同的东西是如何相连的。图由节点（node）和边（edge）组成。一个节点可能与众多节点直接相连，这些节点被称为邻居。
树是一种特殊的图，所有的边都往前指，没有往后指的边。树的根节点（入度为0）只有一个，且所有子节点只能有一个父节点（入度为1）。

2.队列

队列类似于栈，你不能随机地访问队列中的元素。队列只支持两种操作：入队和出队。

队列是一种先进先出（First In First Out, FIFO）的数据结构，而栈是一种后进先出（Last In First Out, LIFO）的数据结构。

3.广度优先搜索

解决最短路径问题的算法被称为广度优先搜索。
面临类似于寻找最短路径的问题时，可尝试使用图来建立模型，再使用广度优先搜索来解决问题。
广度优先搜索是一种用于图的查找算法，可帮助回答两类问题。

❑ 第一类问题：是否有从节点A到节点B的路径？
假设你经营着一个芒果农场，需要寻找芒果销售商，以便将芒果卖给他。你想知道在Facebook，你与芒果销售商有联系吗？为此，你可在朋友中查找。
这种查找很简单。首先，创建一个朋友名单。
然后，依次检查名单中的每个人，看看他是否是芒果销售商。
假设你没有朋友是芒果销售商，那么你就必须在朋友的朋友中查找。
检查名单中的每个人时，你都将其朋友加入名单。
这样一来，你不仅在朋友中查找，还在朋友的朋友中查找。别忘了，你的目标是在你的人际关系网中找到一位芒果销售商。因此，如果Alice不是芒果销售商，就将其朋友也加入到名单中。这意味着你将在她的朋友、朋友的朋友等中查找。使用这种算法将搜遍你的整个人际关系网，直到找到芒果销售商。这就是广度优先搜索算法。
❑ 第二类问题：如果有，从节点A出发，前往节点B的哪条路径最短？
刚才你看到了如何回答第一类问题，下面来尝试回答——谁是关系最近的芒果销售商。例如，朋友是一度关系，朋友的朋友是二度关系。
在你看来，一度关系胜过二度关系，二度关系胜过三度关系，以此类推。因此，你应先在一度关系中搜索，确定其中没有芒果销售商后，才在二度关系中搜索。广度优先搜索就是这样做的！在广度优先搜索的执行过程中，搜索范围从起点开始逐渐向外延伸，即先检查一度关系，再检查二度关系。一度关系在二度关系之前加入查找名单。你按顺序依次检查名单中的每个人，看看他是否是芒果销售商。这将先在一度关系中查找，再在二度关系中查找，因此找到的是关系最近的芒果销售商。广度优先搜索不仅查找从A到B的路径，而且找到的是最短的路径。

注意，只有按添加顺序查找时，才能实现这样的目的。因此，你需要按添加顺序进行检查。有一个可实现这种目的的数据结构，那就是队列（queue）。

4.实现图算法

一般利用散列表的映射关系实现图。
散列表是无序的，因此添加键—值对的顺序无关紧要。

工作原理：

Python算法：

from collections import deque
graph = {}
graph["you"] = ["alice", "bob", "claire"]
graph["bob"] = ["anuj", "peggy"]
graph["alice"] = ["peggy"]
graph["claire"] = ["thom", "jonny"]
graph["anuj"] = []
graph["peggy"] = []
graph["thom"] = []
graph["jonny"] = []
def person_is_seller(name):
	'''判断一个人是否是经销商，检查人的姓名是否以m结尾：如果是，他就是芒果销售商。'''
	return name[-1] == 'm'
def search(name):
    search_queue = deque()
    search_queue += graph[name]
    # This array is how you keep track of which people you've searched before.
    searched = []
    while search_queue:
        person = search_queue.popleft()
        # Only search this person if you haven't already searched them.
        if person not in searched:
            if person_is_seller(person):
                print(person + " is a mango seller!")
                return True
            else:
                search_queue += graph[person]
                # Marks this person as searched
                searched.append(person)
    return False

search("you")

❑ 你需要按加入顺序检查搜索列表中的人，否则找到的就不是最短路径，因此搜索列表必须是队列。
❑ 对于检查过的人，务必不要再去检查，否则可能导致无限循环。
算法运行时间：
如果你在你的整个人际关系网中搜索芒果销售商，就意味着你将沿每条边前行（记住，边是从一个人到另一个人的箭头或连接），因此运行时间至少为O（边数）。
你还使用了一个队列，其中包含要检查的每个人。将一个人添加到队列需要的时间是固定的，即为O(1)，因此对每个人都这样做需要的总时间为O(人数)。所以，广度优先搜索的运行时间为O(人数+边数)，这通常写作O(V+E)，其中V为顶点（vertice）数，E为边数。

练习

6.1 找出从起点到终点的最短路径的长度。

6.2 找出从cab到bat的最短路径的长度。

6.3 下面的小图说明了我早晨起床后要做的事情。

该图指出，我不能没刷牙就吃早餐，因此“吃早餐”依赖于“刷牙”。另一方面，洗澡不依赖于刷牙，因为我可以先洗澡再刷牙。根据这个图，可创建一个列表，指出我需要按什么顺序完成早晨起床后要做的事情：(1) 起床(2) 洗澡(3) 刷牙(4) 吃早餐请注意，“洗澡”可随便移动，因此下面的列表也可行：(1) 起床(2) 刷牙(3) 洗澡(4) 吃早餐
请问下面的三个列表哪些可行、哪些不可行？

6.4 下面是一个更大的图，请根据它创建一个可行的列表。

从某种程度上说，这种列表是有序的。如果任务A依赖于任务B，在列表中任务A就必须在任务B后面。这被称为拓扑排序，使用它可根据图创建一个有序列表。假设你正在规划一场婚礼，并有一个很大的图，其中充斥着需要做的事情，但却不知道要从哪里开始。这时就可使用拓扑排序来创建一个有序的任务列表。

6.5 请问下面哪个图是树？

答案

6.1 最短路径的长度为2。
6.2 最短路径的长度为2。
6.3 A不可行，B可行，C不可行。
6.4 1——起床，2——锻炼，3——洗澡，4——刷牙，5——穿衣服，6——打包午餐，7——吃早餐。
6.5 A是树，B不是树，C是树。C是一棵横着的树。树是图的子集，因此树都是图，但图可能是树，也可能不是。