广度优先最短路径搜索

广度优先最短路径搜索

北航童咏昕教授算法设计与分析MOOC(慕课)广度优先学习记录
核心思想：处理某节点时，一次性发现其所有相邻节点，未处理节点加入队列等待

辅助dict：

1. 使用color字典表示节点的状态
   White：白色节点表示尚未发现，发现后直接入队列
   Black：黑色节点表示已经被处理，无需再次入队列
   Gray：灰色节点表示已加入队列，无需再次入队列
2. 使用pred字典存储某一节点的前驱节点（即由那个节点所发现）
3. 使用dist字典记录某一节点到源点（起始搜索节点）的距离
   初始化结构：
   
   使用networkx模块来绘制图结构
   networkx在2002年5月产生，是一个用Python语言开发的图论与复杂网络建模工具，内置了常用的图与复杂网络分析算法，可以方便的进行复杂网络数据分析、仿真建模等工作。
   networkx支持创建简单无向图、有向图和多重图；内置许多标准的图论算法，节点可为任意数据；支持任意的边值维度。
   Python代码：

import networkx as nx
import matplotlib.pyplot as plt

class Breadth():
    
    def __init__(self,s):
        #构建图结构
        self.graph = {}
        self.graph["1"] = ["2","5"]
        self.graph["2"] = ["1","6"]
        self.graph["3"] = ["4","6","7"]
        self.graph["4"] = ["3","7","8"]
        self.graph["5"] = ["1"]
        self.graph["6"] = ["2","3","7"]
        self.graph["7"] = ["3","4","6","8"]
        self.graph["8"] = ["4","7"]
        #节点状态,未发现(白色)、加入队列待处理(灰色)、处理完出队列(黑色)
        self.color = {}
        #前驱节点
        self.pred = {}
        #节点距离源点s的距离
        self.dist = {}
        #初始化
        for i in range(len(self.graph)):
            self.color[str(i+1)] = "White"
            self.pred[str(i+1)] = "N"
            self.dist[str(i+1)] = "∞"
        #创建队列Q,用于处理节点
        self.Q = []
        #源点s
        self.s = s
        #发现源点,颜色变为灰色
        self.color[s] = "Gray"
        #距离源点为零
        self.dist[s] = 0
    
    def BFS(self):
        self.Q.append(self.s)
        #队列非空
        while self.Q:
            #首元素出队列
            u = self.Q.pop(0)
            #遍历此节点的相邻节点
            for v in self.graph[u]:
                #相邻节点的状态为白色则进行处理
                if self.color[v] == "White":
                    #将相邻节点状态由白色变为待处理的灰色
                    self.color[v] = "Gray"
                    #使用此节点到源点的距离加1作为相邻节点到源点的距离
                    self.dist[v] = self.dist[u] + 1
                    #保存此点为相邻节点的前驱节点
                    self.pred[v] = u
                    #将相邻节点作为待处理节点放入队列中
                    self.Q.append(v)
            #处理完成后将此节点的状态变为黑色
            self.color[u] = "Black"
    
    #展示图结构
    def showGraph(self):
        G = nx.Graph()
        nodes = ['1','2','3','4','5','6','7','8']
        G.add_nodes_from(nodes)
        ebunch = [('1','2'),('1','5'),('2','6'),('6','3'),('6','7'),
                  ('3','7'),('3','4'),('7','4'),('7','8'),('4','8')]
        G.add_edges_from(ebunch)
        nx.draw(G,pos=nx.spring_layout(G),with_labels=True,font_size=24,node_size=2640)
        plt.show()
    
    #从源点到指定节点的最短路径展示
    def showPath(self,appointNode):
        cur = appointNode
        #初始化路径为当前节点
        path = cur
        #循环遍历前驱节点
        while True:
            if cur == "N":
                break
            cur = bfsObj.pred[cur]
            if cur != "N":
                path = cur + "->" + path
        distValue = self.dist[appointNode]
        #返回最短路径和距离值
        return path,distValue

bfsObj = Breadth("2")
bfsObj.showGraph()
bfsObj.BFS()
print(bfsObj.showPath("7"))