四、广度优先搜索

  广度优先搜索为图算法的一种，用来找出两样事物之间的最短距离。而图是由多个节点组成，为了反映节点之间的存储关系，散列表就派上用场了。

  与前三种算法不同的是，前者都是基于序列表，比如数组或者列表，后者是基于散列表和队列。散列表能够将键映射到值，可以用来表达类似于“你→Bob”这样的节点关系。需要按照加入顺序检查列表中的人，否则找到的就不是最短路径，因此搜索列表必须是队列（“先进先出”）。

一、过程：

   如图所示：——转自书《算法图解》，自己就不画图和写步骤了。

  

二、代码：

graph = {}
graph["you"] = ["alice", "bob", "claire"]
graph["bob"] = ["anuj", "peggy"]
graph["alice"] = ["peggy"]
graph["claire"] = ["thom", "jonny"]
graph["anuj"] = []
graph["peggy"] = []
graph["thom"] = []
graph["jonny"] = []

from collections import deque

def search(name):
    search_queue = deque()  # 创建一个双端队列
    search_queue += graph[name]  # 将name的邻居都加入到这个搜索队里
    searched = []             # 该数组用于记录检查过的人
    while search_queue:       # 非零为真，即当队列不为空
        person = search_queue.popleft()  # 取出队列的第一个人
        if not person in searched:
            if person_is_seller(person):  # 如果是经销商，就输出
                print(person + " is a mango seller!")
                return True
            else:                         # 如果不是经销商，就把邻居加进队列
                search_queue += graph[person]
                searched.append(person)
    return False
def person_is_seller(name):
    return name[-1] == 'm'
search("you")

三、输出：

thom is a mango seller!