算法之广度优先搜索

查找最短路径

广度优先搜索可回答两类问题:
第一类问题：从节点A出发，有前往节点B的路径吗？
第二类问题：从节点A出发，前往节点B的哪条路径最短？

数据结构

• 队列:队列是一种先进先出（First In First Out，FIFO）的数据结构，如果你将两个元素加入队列，先加入的元素将在后加入的元素之前出队。
• 图:图(有向图)由节点和边组成。一个节点可能与众多节点直接相连，这些节点被称为邻居。我们可以用一种结构表示这种关系，它就是散列表。

人际关系图

代码实现

Map<String, List<String>> graph = new HashMap<>();
graph.put("我", Arrays.asList("孙", "吴", "李"));
graph.put("孙", Arrays.asList("郑", "周"));
graph.put("吴", Arrays.asList("周"));
graph.put("李", Arrays.asList("钱", "赵"));
graph.put("郑", Arrays.asList());
graph.put("周", Arrays.asList());
graph.put("钱", Arrays.asList());
graph.put("赵", Arrays.asList());

Queue<String> searchQueue = new LinkedList<>();   //创建一个队列
List<String> searched = new ArrayList<>();  //这个列表用于记录检查过的人
searchQueue.addAll(graph.get("我"));   //将我的朋友都加入到搜索队列中

boolean flag = false;
//寻找周
while (!searchQueue.isEmpty()) { //只要队列不为空
    String person = searchQueue.poll();  //就取出其中的第一个人
    if (!searched.contains(person) && "周".equals(person)) {    //仅当这个人没检查过时才检查这个人是否是周
        flag = true; //是周
        break;
    }
    searchQueue.addAll(graph.get(person));  //不是周。将这个人的朋友都加入搜索队列
    searched.add(person);   //将这个人标记为检查过
}
if (flag) {
     System.out.println("我找到周啦!");
} else {
    System.out.println("没有找到周!");
}

步骤分析

步骤	描述	结果	searchQueue	searched
1	将我的朋友都加入到搜索队列中		“孙”, “吴”, “李”
2	“孙”出队并检查”孙”	“孙”不是”周”,将”孙”设为已检查,并将”孙”的朋友加入搜索队列	“吴”, “李”, “郑”, “周”	“孙”
3	“吴”出队并检查”吴”	“吴”不是”周”,将”吴”设为已检查,并将”吴”的朋友加入搜索队列	“李”, “郑”, “周”, “周”	“孙”,”吴”
4	“李”出队并检查”李”	“李”不是”周”,将”李”设为已检查,并将”李”的朋友加入搜索队列	“郑”, “周”, “周”,”钱”, “赵”	“孙”,”吴”,”李”
5	“郑”出队并检查”郑”	“郑”不是”周”,将”郑”设为已检查,并将”郑”的朋友加入搜索队列	“周”, “周”,”钱”, “赵”	“孙”,”吴”,”李”,”郑”
6	“周”出队并检查”周”	“周”是”周”,跳出循环，查询结束	“周”,”钱”, “赵”	“孙”,”吴”,”李”,”郑”

运行时间

如果你在你的整个人际关系网中搜索”周”，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。