BFS

本文深入解析宽度优先搜索(BFS)算法,通过迷宫问题实例,展示如何利用BFS找到最短路径,并提供示例代码演示算法实现过程。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

BFS的思想以及实现

  宽度优先搜索算法BFS(又称广度优先搜索)是最简便的图的搜索算法之一,这一算法也是很多重要的图的算法的原型。Dijkstra单源最短路径算法和Prim最小生成树算法都采用了和宽度优先搜索类似的思想。其别名又叫BFS,属于一种盲目搜寻法,目的是系统地展开并检查图中的所有节点,以找寻结果。换句话说,它并不考虑结果的可能位置,彻底地搜索整张图,直到找到结果为止。

  拿一张二维数组形成的表来说,广搜其实就是基于一个点成辐射状向周边展开搜索,如果不符合目标值就不断让搜索的点进入队列,直到搜到答案为止。

   一般可以解决类似迷宫找最短路径等问题,可以根据题意定义几个方向进行搜索,一般实现比深搜更加简单(个人感觉)。

   那我们根据一个典型问题来说明一下BFS:

迷宫问题

定义一个二维数组: 

int maze[5][5] = {
0, 1, 0, 0, 0,
0, 1, 0, 1, 0,
0, 0, 0, 0, 0,
0, 1, 1, 1, 0,
0, 0, 0, 1, 0,
};

它表示一个迷宫,其中的1表示墙壁,0表示可以走的路,只能横着走或竖着走,不能斜着走,要求编程序找出从左上角到右下角的最短路线。

Input

一个5 × 5的二维数组,表示一个迷宫。数据保证有唯一解。

Output

左上角到右下角的最短路径,格式如样例所示。

Sample Input

0 1 0 0 0
0 1 0 1 0
0 0 0 0 0
0 1 1 1 0
0 0 0 1 0

Sample Output

(0, 0)
(1, 0)
(2, 0)
(2, 1)
(2, 2)
(2, 3)
(2, 4)
(3, 4)
(4, 4)

   这个就是一个典型的广搜题目。就是找出最短路径并把相应的路径的点依次输出。

   思路很简单,就是利用广搜从右上角开始搜索,判断是否到达最后的终点,如果没有到达就把走过的点入队,直到第一次到达终点就停止搜索,这时的路径就是最短路径,不过要注意一个问题就是,最后还要输数要走的点,这就需要开一个数组来记录上次一次的状态,以便最后可以输出走过的点。

   示例代码如下(必要的说明在注释中):

   

#include <iostream>
#include <cstdio>
#include <cstring>
#include <cmath>
using namespace std;

int head,tail;//head为队列的头,tail为队列的尾
int map[5][5];//用来记录迷宫
bool vis[5][5];//标记是否这个点被走过,0表示没有走过
struct Que
{
    int x,y,pre;
}que[50];//队列用来记录广搜的点的顺序,pre用来记录这个点是由哪个点来的
int dir[4][2]={{0,1},{1,0},{0,-1},{-1,0}};//定义四个方向(上,右,下,左)

void print(int head)//递归输出走的点的顺序
{
   if(que[head].x==0&&que[head].y==0)
   {
       printf("(0, 0)\n");
       return ;
   }
   else
      print(que[head].pre);
   printf("(%d, %d)\n",que[head].x,que[head].y);
}

void BFS()
{
   head=0;tail=1;

   que[head].x=0;
   que[head].y=0;
   que[head].pre=-1;
   vis[head][head]=1;

   while(head<tail)
   {
       if(que[head].x==4&&que[head].y==4)
       {
           print(head);
           return ;
       }

       for(int i=0;i<4;i++)//枚举每个方向
       {
            int dx,dy;
            dx=que[head].x+dir[i][0];
            dy=que[head].y+dir[i][1];

            if(!vis[dx][dy]&&dx>=0&&dx<5&&dy>=0&&dy<5&&map[dx][dy]==0)
            {
                vis[dx][dy]=1;
                que[tail].x=dx;
                que[tail].y=dy;
                que[tail].pre=head;//ji记录他的父亲节点
                tail++;
            }
       }
       head++;
   }
}

int main()
{
//    freopen("s","r",stdin);
    int k;
    while(scanf("%d",&k)!=EOF)
    {
        for(int i=0;i<5;i++)
            for(int j=0;j<5;j++)
            {
                if(i==0&&j==0)
                    map[i][j]=k;
                else
                    scanf("%d",&map[i][j]);
            }

        memset(vis,0,sizeof(vis));

        BFS();
    }
    return 0;
}

   

BFS(广度优先搜索)算法是一种用于遍历或搜索图结构的经典算法,其核心原理是从起点开始,逐层扩展搜索范围,直到找到目标节点或遍历完整个图。该算法特别适用于求解最短路径问题或扩散性质的区域问题[^1]。 ### BFS算法原理 BFS算法从初始状态(起点)出发,按照状态转换规则(图结构中的边),逐步遍历所有可能的状态(节点),直到找到目标状态(终点)。其核心思想是“先扩散后深入”,即每次处理当前层的所有节点,再进入下一层处理。这种逐层扩散的方式确保了BFS在首次到达目标节点时,所走的路径是最短的。 ### BFS算法实现方法 BFS算法通常使用队列(Queue)来实现,队列用于存储待处理的节点。具体步骤如下: 1. 将起点节点加入队列,并标记为已访问。 2. 当队列不为空时,取出队列中的第一个节点。 3. 对当前节点进行处理,例如检查是否为目标节点。 4. 遍历当前节点的所有相邻节点,如果未被访问,则标记为已访问,并加入队列。 5. 重复步骤2-4,直到找到目标节点或队列为空。 以下是一个简单的BFS算法实现示例,用于遍历图结构: ```python from collections import deque def bfs(graph, start): visited = set() # 用于记录已访问的节点 queue = deque([start]) # 初始化队列 visited.add(start) # 标记起点为已访问 while queue: node = queue.popleft() # 取出队列中的第一个节点 print(node) # 处理当前节点 # 遍历当前节点的所有相邻节点 for neighbor in graph[node]: if neighbor not in visited: visited.add(neighbor) # 标记为已访问 queue.append(neighbor) # 加入队列 ``` ### BFS算法的复杂度分析 BFS算法的时间复杂度和空间复杂度均与图中的节点数和边数相关。假设图中有 $V$ 个节点和 $E$ 条边,则时间复杂度为 $O(V + E)$,空间复杂度为 $O(V)$。这是因为BFS需要访问所有节点和边,并且队列可能存储最多 $V$ 个节点[^1]。 ### BFS算法的应用场景 BFS算法广泛应用于以下问题: 1. **走迷宫最短路径**:寻找从起点到终点的最短路径。 2. **数字按规则转换的最少次数**:例如,将一个数字转换为另一个数字所需的最少操作次数。 3. **棋盘上某个棋子N步后能到达的位置总数**:计算棋子在N步内可以到达的所有位置。 4. **病毒扩散计算**:模拟病毒在人群中的扩散过程。 5. **图像中连通块的计算**:识别图像中的连通区域[^1]。 ### BFS与DFS的比较 - **BFS**:通过队列实现,适合解决最短路径问题,但空间复杂度较高。 - **DFS**:通过递归或栈实现,适合解决需要遍历完整棵树的问题,但时间复杂度较高。 例如,在满二叉树的情况下,BFS的空间复杂度为 $O(N)$,而DFS的空间复杂度为 $O(\log N)$[^2]。 ### BFS的优势与局限性 - **优势**:BFS可以保证首次到达目标节点时的路径是最短的,适用于最短路径问题。 - **局限性**:BFS的空间复杂度较高,尤其在处理大规模图时,可能需要较多的内存资源[^2]。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值