数据结构与算法：图的BFS及性能分析

一. 图的广度优先遍历

图的广度优先遍历可以联系二叉树的层序遍历，其基本思想是：首先，访问起始节点v，之后，访问与起始节点v相连的各个未被访问过的节点w1,w2,...,wi，之后，再对这些节点，进行上面的操作。

在分析其算法的时间和空间开销之前，我们必须知道算法的实现流程：

广度优先遍历是一种分层查找的过程，与深度优先遍历的不同之处在于，它不需要有退回的情况，因此，它不是一个递归的算法。但是，为了实现逐层的访问，我们必须借助辅助队列来实现

void BFS(Graph G,int v){//从顶点v出发，广度优先遍历图G
	visit(v);
	visited[v] = true;
	EnQueue(Q,v);
	while(!isEmpty(Q)){
		DeQueue(Q,v);
		for(w = FirstNeighbor(G,v);w>=0;w = NextNeighbor(G,v,w)){//不断找到与v节点相邻的节点
			if(!visited[w]){
				visit(w);
				visited[w] = true;
				EnQueue(Q,w);
			}
		}
	}

void BFSTraverse(Graph G){
	for(int i = 0;i<G.vexnum;i++){//初始化visit数组
		visited[i] = false;
	}
	InitQueue(Q);
	for(int i = 0;i<G.vexnum;i++){
		if(!visited[i]){
		BFS(G,i);
		}
	}
}

二. 图的常见存储模式

常见的图的存储方式有邻接矩阵存储和邻接表存储，邻接矩阵是用一维数组存储节点信息，用二维数组存储边的信息，时间复杂度为O(V2)，而邻接表是采用顺序存储图的节点信息（顶点表），链式存储图的边的信息（边表），对于无向图的情况，由于一条边会增加节点的两个度，因此邻接表存储无向图的情况，边节点的个数为边数的两倍，即2E，加之有V个节点，因此邻接表存储的空间开销是O(V+2E)

三. 基于邻接矩阵和邻接表的查找

1. FirstNeighbor(G,v)：查找节点v的第一个邻接点，对于无向图和有向图是相同的情况。第一，如果图是采取邻接矩阵的存储模式，那么最好的情况，就是遍历序列的第一个元素就符合情况，因此，最好情况下的时间复杂度为O(1)，最坏的情况则是要遍历整个图的节点，此时的时间复杂度为O(n)，而对于邻接表的存储，因为边节点直接体现了节点相连的节点，因此，通过邻接表查找第一个邻接点的时间开销为O(1)（对于有向图仅是查找出边的情况）

2. NextNeighbor(G,v,w)：假设节点w是v的第一个邻接点，该函数返回除了w以外，与v相连的下一个邻接点，其时间和空间开销同上

四. BFS的复杂度分析：

1. 时间复杂度：

首先，我们需要确定BFS遍历的时间开销来源是什么，这是最重要的，BFS遍历的时间开销有二：访问节点+探索边。访问节点需要遍历整个图，因此时间复杂度为O(V)，而遍历边，需要在二维数组中查看每一个节点与其相连的边。因此对于邻接矩阵存储模式，总的时间开销为O(V+V2)，保留最大项，为O(V2)，而对于邻接矩阵存储，遍历节点的时间复杂度为O(V)，遍历边则直接遍历边节点即可，因此遍历边的时间复杂度为O(E)，故总的时间复杂度为O(V+E)

2. 空间复杂度：

使用了辅助队列，n个节点均需要入队一次，故空间复杂度为O(V)