即bfs
bfs 的核心思想就是把一些問題抽象成圖，從乙個點開始，向四周開始擴散。一般來說，我們寫 bfs 演算法都是用「佇列」這種資料結構，每次將乙個節點周圍的所有節點加入佇列。
bfs 相對 dfs 的最主要的區別是：bfs 找到的路徑一定是最短的，但代價就是空間複雜度比 dfs 大很多。
框架bfs 出現的常見場景：讓你在一幅「圖」中找到從起點start到終點target的最近距離，這個例子聽起來很枯燥，但是 bfs 演算法問題其實都是在幹這個事兒。
這個廣義的描述可以有各種變體，比如走迷宮，有的格仔是圍牆不能走，從起點到終點的最短距離是多少？如果這個迷宮帶「傳送門」可以瞬間傳送呢？再比如說兩個單詞，要求你通過某些替換，把其中乙個變成另乙個，每次只能替換乙個字元，最少要替換幾次？
本質上就是一幅「圖」，讓你從乙個起點，走到終點，問最短路徑。這就是 bfs 的本質。
// 計算從起點 start 到終點 target 的最近距離
int bfs(node start, node target)
}/* 劃重點：更新步數在這裡 */
step++;
}}
一般採用佇列進行裝載，採用hashset來記錄是否訪問過。
正如上面所說，bfs解決的是從起點到終點的最短路徑，那麼使用bfs前一定要先想明白起點和終點是什麼。
例項1：
leet111.二叉樹的最小深度
本題很簡單，起點是root，終點是葉子結點。
葉子節點的判斷條件就是左右節點都是null，這裡還有個點就是二叉樹是不能走回頭路的，也就是說不會出現已訪問過的元素，那麼就無需設定visited。
class solution
int step=1;
queueq=new linkedlist();
q.offer(root);
while(!q.isempty())
setvisited=new hashset<>();
q.offer("0000");
visited.add("0000");
int step=0;
while(!q.isempty()){
int sz=q.size();
for(int i=0;ibfs 的邏輯，depth每增加一次，佇列中的所有節點都向前邁一步，這保證了第一次到達終點的時候，走的步數是最少的。而dfs 實際上是靠遞迴的堆疊記錄走過的路徑，你要找到最短路徑，肯定得把二叉樹中所有樹杈都探索完才能對比出最短的路徑有多長。bfs 借助佇列做到一次一步「齊頭並進」，是可以在不遍歷完整棵樹的條件下找到最短距離的。形象點說，dfs 是線，bfs 是面；dfs 是單打獨鬥，bfs 是集體行動。bfs 可以找到最短距離，但是空間複雜度高，而 dfs 的空間複雜度較低。
搜尋 廣度優先搜尋
廣度優先搜尋一層一層地進行遍歷，每層遍歷都是以上一層遍歷的結果作為起點，遍歷乙個距離能訪問到的所有節點。需要注意的是，遍歷過的節點不能再次被遍歷。class solution,int shortestpathbinarymatrix vectorint grid length return 1 cl...
廣度優先搜尋
include include include include using namespace std struct node 圖頂點結構定義 typedef struct node graph 圖形的結構新型態 struct node head 9 圖形頂點陣列 int visited 9 遍歷標...
廣度優先搜尋
廣度優先搜尋詳解 1.也稱寬度優先搜尋，顧名思義，就是將一棵樹一層一層往下搜。演算法首先搜尋和s距離為k的所有頂點，然後再去搜尋和s距離為k l的其他頂點。bfs是一種完備策略，即只要問題有解，它就一定可以找到解。並且，廣度優先搜尋找到的解，還一定是路徑最短的解。但是它盲目性較大，尤其是當目標節點距...