什麼是圖？
圖由節點和邊組成。乙個節點可能與眾多節點直接相連，這些節點也被稱為鄰居。
圖用於模擬一組連線。
例如從雙子峰到金門大橋的出行路線圖：
由上面這個圖，我們要找出從雙子峰到金門大橋的最短換乘路線，這個問題被稱為最短路徑問題，而解決最短路徑問題的演算法被稱為廣度優先搜尋。
廣度優先搜尋是一種用於圖的查詢演算法。
想要實現廣度優先搜尋首先我們要解決優先順序的實現問題，很顯然，在這裡使用佇列是很明智的選擇。
然後我們需要實現圖，圖由多個節點組成，很顯然，在這裡我們可以使用雜湊表去表示圖的關係，將節點對映到其所有的鄰居。
執行時間
將乙個元素新增到佇列需要的時間是固定的，為o(1)，因此對每個元素都這樣做需要的總時間為o(元素個數)，在圖裡面從乙個節點到另乙個節點需要的時間是o(邊數)。所以廣度優先搜尋的執行時間為o(元素個數 + 邊數)，這通常寫作o(v + e)，其中v為頂點數，e為邊數。
樹是一種特殊的圖，其中沒有往後指的邊。**
這裡以經營芒果農場需要將芒果賣給芒果銷售商為例，我們需要通過facebook去查詢芒果銷售商：
# 首先建立表示人際關係的圖
graph = {}
graph['you'] = ['alice', 'bob', 'claire']
graph['bob'] = ['angel', 'peggy']
graph['alice'] = ['peggy']
graph['claire'] = ['tom', 'jonny']
graph['angel'] =
graph['peggy'] =
graph['tom'] =
graph['jonny'] =
# 然後建立乙個佇列，我們可以使用雙端佇列deque
from collections import deque
def search_mango(name):
search_queue = deque()
# 將『你』的鄰居都加入到這個搜尋佇列中
search_queue += graph['you']
# 建立乙個陣列用於記錄檢查過的人
searched =
# 只要佇列不為空，就取出其中的第乙個人
while search_queue:
person = search_queue.popleft()
# 檢查這個人是否是芒果銷售商，函式person_is_seller可以自己嘗試去實現一下
if person not in searched: # 僅當這個人沒被檢查過時才檢查
if person_is_seller(person):
print(person + "is a mango seller!")
return true
else:
# 否則將這個人的朋友都加入到搜尋佇列
search_queue += graph[person]
# 並將這個人標記為已被檢查過
# 如果佇列中沒有人是芒果銷售商
return false
search('you')
關於廣度優先搜尋的一些領悟
也不算是領悟吧，就是一些感想，樹的bfs很簡單，應該輕車熟路了，就是把節點放在佇列中，每次都把他的子節點再放進去，無腦遍歷就行了，因為樹相當於是有向的圖，所以不用標記每個點是否被遍歷過，因為每個點肯定都只遍歷一次，但是今天遇到了圖的bfs，說實話，圖一直都沒有複習，所以對於這種問題，思路還是沒那麼清...
廣度優先搜尋的學習
同樣也是用乙個迷宮的例子 includeusing namespace std struct note int main 地圖 int book 51 51 標記哪些點走過了 int next 4 2 右 下 左 上 int head,tail,flag int next x,next y int ...
演算法學習筆記 廣度優先搜尋 1
兩個步驟 1.使用圖來建立問題模型 2.使用廣度優先搜尋解決問題 圖用於模擬一組連線。圖由節點和邊組成。直接相連的節點稱為鄰居。當圖是有向圖的時候a b a指向b 那麼b是a的鄰居，a不是b的鄰居。當圖是無向圖的時候a b，他們互為鄰居。1 廣度優先搜尋是一種用於圖的查詢演算法。2 第一類問題 從節...