廣度優先搜尋用於解決兩種問題：
1.從某點到某點是否存在路徑？
2.若存在，最短的是哪條？
1.圖有點和邊組成。
2.當圖中的所有邊的指向都是單向的，這種圖叫做有向圖。若a指向b，則b為a的鄰居。
3.當圖中存在一條或一條以上的沒有箭頭的邊，即a指向b，且b指向a，這種圖成為無向圖。其中，a和b互為鄰居。
4.如下圖，其中若從a出發，則b、c、d是一度關係，e、f是二度關係，以此類推。
1.佇列只包括兩種操作：入隊與出隊。
2.佇列是一種先進先出的資料結構（first in first out，fifo）；棧是一種後進先出的資料結構（last in first out，lifo）。
假設要在上圖中尋找從a到e的最短路徑：
1.將a的一度關係加入搜尋佇列。
2.判斷搜尋佇列是否為空，是則返回false，表示不存在到e的路徑，否則檢查佇列的第乙個點。
2.檢查該點是否被搜尋過了，是則跳過。否則判斷該點是否是e，是則返回true，否則將該點移除，並放入已經搜尋過的點的列表，將該點的下一層加入整個待搜尋佇列的後面。
3.重複第二步。
注意！！
a.要將下一層放在佇列的最後面，才能確保找到的是最短路徑。
b.檢查過的點要放入已經搜尋過的佇列，並在每次檢查時判斷該點是否在搜尋過的佇列裡，防止重複搜尋。否則當出現無向圖時，會進入死迴圈。
廣度優先搜尋的執行時間是：o(v+e)
解析：廣度優先遍歷需要在整個圖網中進行遍歷，所以會遍歷每一條邊，所以至少執行時間是o(邊數)，即o(e)，e為邊數；
而每次遍歷乙個點，就需要將它的下一層新增到佇列，在雜湊表中新增乙個物件是常數時間o(1)，所以執行時間還要加上o(節點數)，即o(v)，v是節點數。
所以最後的執行時間是：o(v) + o(e) = o(v+e)。
"""
廣度優先搜尋
"""dict = {}
dict["oysq"] = ["a", "b", "c"]
dict["a"] = ["e", "f", "g"]
dict["b"] = ["h", "i"]
dict["c"] =
dict["d"] =
dict["e"] =
dict["f"] =
dict["g"] =
dict["h"] = ["j", "k"]
dict["i"] =
dict["j"] =
dict["k"] = ["l"]
dict["l"] =
def search(dict, head, target):
search_list =
search_list += dict[head]
searched =
while search_list != :
temp = search_list.pop()
if searched.count(temp) == 0:
if temp == target:
return true;
else:
search_list += dict[temp]
searched += temp
return false
print search(dict, "oysq", "c")
print search(dict, "oysq", "v")
最短路徑問題 廣度優先搜尋解法
輸入乙個數值n，表示一塊nxn的區域，其中數值1表示訊號強，0表示訊號弱，例如 1 0 1 1 1 1 1 1 1 尋找所有訊號強的路徑 不包含0 中的最短路徑，並輸出其最短路徑的值，如果不存在最短路徑 到不了右下角 則輸出 1。思路 將整個nxn陣列建立成乙個二維圖，利用廣度優先搜尋演算法進行搜尋...
利用廣度優先搜尋求最短路徑
注 下面是以無權的圖為基礎的 廣度優先搜尋 輸入 輸入n個頂點，m條邊，起點的編號 跟著再輸入邊x,y 輸出 該起點到達各個頂點最少經過幾條邊 按編號從小打大輸出，包括自己哦 樣例 輸入 5 5 2 1 22 3 2 43 4 3 5 輸出 1 0112 我一開始就是覺得用廣度優先搜尋，結果在廣度優...
最短路徑條數問題 廣度優先搜尋
給定如圖所示的無向連通圖，假定圖中所有邊的權值都為1，顯然，從源點a到終點t的最短路徑有多條，求不同的最短路徑的數目。ps 上圖的a是第0號節點，b是第1號節點，其他同理。權值相同的最短路徑問題，則單源點dijkstra演算法退化成bfs廣度優先搜尋 廣度優先搜尋，即 從a 走一步可以到達b或e 走...