广度优先搜索算法(Breath-first Search)是如何搜索一张图的？

算法导论(MIT 6.006 第13讲)

什么是图搜索？

搜索能够理解为探索，给定一个图上的点S和A，须要找到从S到A的一个路径

图的基础概念

一个图用 G=(V,E) 表示,V是顶点的集合，E是边的集合。以下所示有两种图

1. 无向图，V={a,b,c},E={{a,b},{b,c},{a,c}}

2. 有向图，V={a,b,c},E={(a,b),(b,a),(c,a),(b,c)}

实际应用有哪些？

网络爬虫、社交网络、网络包传播、垃圾回收算法等

如何用算法表示图？

使用邻接表。它是一个数组(Adj表示)大小是 |V|，每一个元素是指向一个链表的指针，遍历的方法以下

for each vertex u in V
    Adj[u] stores u's neighbors 复制代码

好比，上所述的有向图来讲 Adj[a]={b},Adj[b]={a,c},对无向图来说 Adj[a]={(a,c),(a,b)}

这种表现形式所须要的空间大小为 (V+E)，|V|个顶点和|E|条边

广度优先算法是如何搜索一张图的？

目标：对于一个给定的节点S V,经过它来遍历它所能到达的全部节点
时间要求：O(V+E)
思路：查看给定节点，经过0步移动，可以到达的节点，这个节点就是s自己，而后从s移动一步，也就是s的邻接表，找到他能到达的节点，依次类推,须要避免重复

BFS(s,Adj):
    level={s:0} //第0步能到达的节点
    parent={s:None}
    i=1 //第0步就是s,已经到达，从第一步开始
    frontier=[s] //前一层已经通过的节点 level=i-1
    while frontier: //在已经通过的节点找它的相邻节点
        next=[] //当前层找到的节点
        for u in frontier:
            for v in Adj[u]:
                if  v not in level: //当前节点没有在其它层出现过，从而避免重复
                    level[v]=i 
                    parent[v]=u
                    next.append(v)
        frontier=next 
        i+=1 //走下一层
复制代码

以无向图为例

1. 初始状态，处于第0层，i=0,s没有父节点,已经通过的节点只有s

2. 从s移动0步，s的相邻节点是a和x,他们没有在以前的level存在，因此须要添加到level中。执行完后

level={s:0,a:1,x:1}  
parent={s:None,a:s,x:s}  
frontier={a,s}  
i=2
复制代码

3. 以新的frontier为基础，再往前一步，发现a有z和s，可是s已经经历过了，再也不添加，依次类推x。执行完以后

level={s:0,a:1,x:1,z:2,x:2}  
parent={s:None,a:s,x:s,z:a,d:x,c:x}  
frontier={z,d,c}  
i=3
复制代码

4. 以新的frontier为基础，再往前一步，发现z的惟一邻接节点只有a，可是a已经在level 1中，再也不添加。执行完以后

level={s:0,a:1,x:1,z:2,x:2,f:3,v:3}  
parent={s:None,a:s,x:s,z:a,d:x,c:x,f:d,v:c} frontier优先存的是d  
frontier={f,v}  
i=4
复制代码

5. 以新的frontier为基础，再往前一步，发现f,v的邻接节点都已经计算过，再也不计入，所以最后

frointer={}  
i=5
复制代码

至此结束

耗时分析

BFS所作的策略是先找到每一层的节点，再去找它的邻接表，耗时能够从两部分来看，1个是必须遍历全部节点，为V，另外每一层遍历的边的数量为 vV，即每一个顶点的边的个数，对于有向图来说是E，无向图就是2E，这样总的时间就是 (V+E)

优势

1. 当想知道某个节点到原点s的最短路径时，能够直接从level上获取，而且parent提供的指针就是这条路径
2. 能直接感知到从s可否到达某个节点t