本页使用了标题或全文手工转换

广度优先搜索

维基百科,自由的百科全书
(重定向自BFS
跳转至: 导航搜索
广度优先搜索
节点搜索的顺序
节点进行广度优先搜索的顺序
概况
类别: 搜索算法
数据结构:
时间复杂度:
空间复杂度:
最佳解:
完全性:

广度优先搜索算法英语:Breadth-First-Search,缩写为BFS),又译作宽度优先搜索,或横向优先搜索,是一种图形搜索算法。简单的说,BFS是从根节点开始,沿着树的宽度遍历树的节点。如果所有节点均被访问,则算法中止。广度优先搜索的实现一般采用open-closed表。

作法[编辑]

BFS是一种盲目搜寻法,目的是系统地展开并检查中的所有节点,以找寻结果。换句话说,它并不考虑结果的可能位址,彻底地搜索整张图,直到找到结果为止。BFS并不使用经验法则算法

从算法的观点,所有因为展开节点而得到的子节点都会被加进一个先进先出队列中。一般的实现里,其邻居节点尚未被检验过的节点会被放置在一个被称为 open 的容器中(例如伫列或是链表),而被检验过的节点则被放置在被称为 closed 的容器中。(open-closed表)

德国城市为范例的地图。城市间有数条道路相连接。
法兰克福开始执行广度优先搜索算法,所产生的广度优先搜索算法树。
广度优先搜索算法的动画范例

实现方法[编辑]

  1. 首先将根节点放入队列中。
  2. 从队列中取出第一个节点,并检验它是否为目标。
    • 如果找到目标,则结束搜寻并回传结果。
    • 否则将它所有尚未检验过的直接子节点加入队列中。
  3. 若队列为空,表示整张图都检查过了——亦即图中没有欲搜寻的目标。结束搜寻并回传“找不到目标”。
  4. 重复步骤2。
 s为初始点 

while
從Q中選一點 /* 選最後插入進Q的點,則為深度遍歷,可以说後進先出。*/ if then /* N(v):v的邻接点 */ else return H=(R,T)

C 的实现[编辑]

/**
* ADDQ (Q, p) - p PUSH 入 Q
* DELQ (Q) - POP Q 並返回 Q 頂
* FIRSTADJ (G,v) - v 的第一個鄰接點,找不到則返回 -1
* NEXTADJ (G,v) - v 的下一個鄰接點,找不到則返回 -1
* VISIT (v) - 訪問 v
* visited [] - 是否已訪問
*/

/* 廣度优先搜索算法 */
void BFS(VLink G[], int v) {
  int w;
  /* 訪問 v 並入隊 */
  VISIT(v);
  visited[v]=1;
  ADDQ(Q,v);
  /* 對隊列 Q 的各元素 */
  while(!EMPTYQ(Q)) {
    v=DELQ(Q);
    w=FIRSTADJ(G,v);
    /* 的各鄰接點 */
    do {
      /* 進行訪問和入隊 */
      if(visited[w] == 0) {
        VISIT(w);
        ADDQ(Q,w);
        visited[w]=1;
      }
    } while (w=NEXTADJ(G,v)) != -1)
  }
}

/* 對圖G=(V,E)進行廣度優先搜索的主算法 */
void TRAVEL_BFS(VLink G[], bool visited[], int n) {
  int i;
  // 清零標記數組
  for(i = 0; i < n; i ++)
    visited[i] = 0;
  for(i = 0; i < n; i ++)
    if(visited[i] == 0)
      BFS(G,i);
}

C++ 的实现[编辑]

(这个例子仅针对Binary Search Tree)
定义一个结构体来表达一个节点的结构:

 struct node
 {
    int self; //数据
    node *left; //左节点
    node *right; //右节点
 };

那么,我们在搜索一个树的时候,从一个节点开始,能首先获取的是它的两个子节点。例如:

   A
B     C

A是第一个访问的,然后顺序是B和C;然后再是B的子节点,C的子节点。那么我们怎么来保证这个顺序呢?

这里就应该用queue数据结构,因为queue采用先进先出( first-in-first-out )的顺序。

使用C++的STL函式库,下面的程序能帮助理解:

 std::queue<node*> visited, unvisited; 
 node nodes[9];
 node* current;
 
 unvisited.push(&nodes[0]); //先把root放入unvisited queue
 
 while(!unvisited.empty()) //只有unvisited不空
 {
    current = (unvisited.front()); //目前應該檢驗的
 
    if(current -> left != NULL)
       unvisited.push(current -> left); //把左邊放入queue中
 
    if(current -> right != NULL) //右邊壓入。因為QUEUE是一個先進先出的結構构,所以即使後面再壓其他东西,依然會先訪問這個。
       unvisited.push(current -> right);
 
    visited.push(current);
 
    cout << current -> self << endl;
 
    unvisited.pop();
 }

特性[编辑]

空间复杂度[编辑]

因为所有节点都必须被储存,因此BFS的空间复杂度为O(|V| + |E|),其中|V|是节点的数目,而|E|是图中边的数目。注:另一种说法称BFS的空间复杂度为,其中B是最大分支系数,而M是树的最长路径长度。由于对空间的大量需求,因此BFS并不适合解非常大的问题。

时间复杂度[编辑]

最差情形下,BFS必须寻找所有到可能节点的所有路径,因此其时间复杂度为O(|V| + |E|),其中|V|是节点的数目,而|E|是图中边的数目。

完全性[编辑]

广度优先搜索算法具有完全性。这意指无论图形的种类如何,只要目标存在,则BFS一定会找到。然而,若目标不存在,且图为无限大,则BFS将不收敛(不会结束)。

最佳解[编辑]

若所有边的长度相等,广度优先搜索算法是最佳解——亦即它找到的第一个解,距离根节点的边数目一定最少;但对一般的图来说,BFS并不一定回传最佳解。这是因为当图形为加权图(亦即各边长度不同)时,BFS仍然回传从根节点开始,经过边数目最少的解;而这个解距离根节点的距离不一定最短。这个问题可以使用考虑各边权值,BFS的改良算法成本一致搜寻法来解决。然而,若非加权图形,则所有边的长度相等,BFS就能找到最近的最佳解。

广度优先搜索算法的应用[编辑]

广度优先搜索算法能用来解决图论中的许多问题,例如:

  • 寻找图中所有连接元件(Connected Component)。一个连接元件是图中的最大相连子图。
  • 寻找连接元件中的所有节点。
  • 寻找非加权图中任两点的最短路径。
  • 测试一图是否为二分图
  • (Reverse)Cuthill–McKee算法

寻找连接元件[编辑]

由起点开始,执行广度优先搜索算法后所经过的所有节点,即为包含起点的一个连接元件。

测试是否二分图[编辑]

BFS可以用以测试二分图。从任一节点开始搜寻,并在搜寻过程中给节点不同的标签。例如,给开始点标签0,开始点的所有邻居标签1,开始点所有邻居的邻居标签0……以此类推。若在搜寻过程中,任一节点有跟其相同标签的邻居,则此图就不是二分图。若搜寻结束时这种情形未发生,则此图为一二分图。

应用于电脑游戏中平面网格[编辑]

BFS可用来解决电脑游戏(例如即时策略游戏)中找寻路径的问题。在这个应用中,使用平面网格来代替图形,而一个格子即是图中的一个节点。所有节点都与它的邻居(上、下、左、右、左上、右上、左下、右下)相接。

值得一提的是,当这样使用BFS算法时,首先要先检验上、下、左、右的邻居节点,再检验左上、右上、左下、右下的邻居节点。这是因为BFS趋向于先寻找斜向邻居节点,而不是四方的邻居节点,因此找到的路径将不正确。BFS应该先寻找四方邻居节点,接着才寻找斜向邻居节点1。

参见[编辑]

参考资料[编辑]

  • Thomas H. Cormen, Charles E. Leiserson, Ronald L. Rivest, and Clifford Stein], Introduction to Algorithms, Second Edition. MIT Press and McGraw-Hill, 2001. ISBN 0-262-03293-7. Section 22.2: Breadth-first search, pp. 531–539.

外部链接[编辑]