文章目录
广度优先搜索（BFS）算法详解与C++实现
广度优先搜索（Breadth-First Search，BFS）是一种遍历或搜索树和图的算法。它从树的根（或图的某一顶点）开始，探索邻近的节点，然后再对每个邻近节点做同样的操作。BFS在搜索最短路径问题、层次遍历树、图的连通性等方面有着广泛的应用。
BFS的工作原理
BFS按照距离起始节点的层数逐层向外扩展，即先访问起始节点，然后是距离起始节点最近的节点，接着是距离起始节点第二近的节点，依此类推。为了实现这种层级的遍历，BFS使用了先进先出（FIFO）的队列结构来存储每层的节点。
BFS的实现
BFS的实现通常依赖于队列数据结构，通过迭代的方式来实现。在开始时，将起始节点放入队列。然后，只要队列不为空，就从队列中移除一个节点，访问它，并将所有未访问过的邻接节点加入队列中。
C++中BFS的实现
以下是使用C++标准库中的队列来实现BFS算法的示例代码：
cpp
#include <iostream>
#include <vector>
#include <queue>
// 使用队列的方式实现的BFS
void BFS(int startVertex, const std::vector<std::vector<int>>& graph) {
std::vector<bool> visited(graph.size(), false);
std::queue<int> queue;
// 标记起始顶点为已访问，并将其入队
visited[startVertex] = true;
queue.push(startVertex);
while (!queue.empty()) {
// 取出队首元素
int vertex = queue.front();
queue.pop();
std::cout << vertex << " ";
// 遍历该顶点的所有邻接点
for (int neighbor : graph[vertex]) {
if (!visited[neighbor]) {
visited[neighbor] = true;
queue.push(neighbor);
}
}
}
}
int main() {
// 图的邻接表表示
std::vector<std::vector<int>> graph = {
{1, 2}, // 邻接于节点0
{0, 3, 4}, // 邻接于节点1
{0, 4}, // 邻接于节点2
{1, 5}, // 邻接于节点3
{1, 2}, // 邻接于节点4
{3} // 邻接于节点5
};
// 从节点0开始进行BFS遍历
std::cout << "BFS starting from vertex 0:\n";
BFS(0, graph);
return 0;
}在上述代码中，我们先将起始节点标记为已访问并加入队列。在主循环中，我们每次从队列中取出一个节点，访问它，并把所有未访问的邻接节点加入队列中。这个过程一直持续到队列为空，即所有可达节点都被访问。
BFS的应用场景
BFS不仅可以用来遍历图，还有以下的应用：
- 最短路径：在无权图中找到两点间的最短路径。
- 连通性测试：检查图中任两个节点之间是否存在路径。
- 层次遍历：在树结构中按层次遍历节点。
- 网络爬虫：搜索引擎中的网络爬虫使用BFS来遍历网页。
- 广播网络：在广播网络中找出最佳的广播接收点。
注意事项
在使用BFS时，需要注意以下几点
cpp
#include <iostream>
#include <vector>
#include <queue>
// 使用队列实现的BFS函数
void BFS(int startVertex, const std::vector<std::vector<int>>& graph) {
std::vector<bool> visited(graph.size(), false); // 创建一个visited数组，用于跟踪已访问的节点
std::queue<int> queue; // 创建一个队列，用于存储将要访问的节点
// 标记起始节点为已访问，并将其加入队列
visited[startVertex] = true;
queue.push(startVertex);
while (!queue.empty()) {
// 从队列中取出一个节点，并访问它
int currentVertex = queue.front();
queue.pop();
std::cout << "Visited " << currentVertex << std::endl;
// 遍历当前节点的所有邻居
for (int neighbor : graph[currentVertex]) {
if (!visited[neighbor]) { // 如果邻居没有被访问过
visited[neighbor] = true; // 标记邻居为已访问
queue.push(neighbor); // 将邻居节点加入队列中
}
}
}
}
int main() {
// 使用邻接表表示图，图中包含6个节点（编号从0到5）
std::vector<std::vector<int>> graph = {
{1, 2}, // 节点0与节点1和节点2相连
{0, 3, 4}, // 节点1与节点0、节点3和节点4相连
{0, 4}, // 节点2与节点0和节点4相连
{1, 5}, // 节点3与节点1和节点5相连
{1, 2}, // 节点4与节点1和节点2相连
{3} // 节点5与节点3相连
};
// 从节点0开始进行BFS遍历
std::cout << "BFS traversal starting from vertex 0:" << std::endl;
BFS(0, graph);
return 0;
}在这段代码中，我们首先定义了一个BFS函数，它接受一个起始顶点和一个图表示作为输入。图是通过邻接表的形式表示的，其中graph是一个向量的向量，graphi包含与节点i相邻的所有节点。我们还定义了一个visited向量来跟踪已经访问过的节点，以避免重复访问。
我们将起始节点标记为已访问并将其加入到队列中。然后，我们进入一个循环，循环将一直运行直到队列为空。在循环的每一步，我们从队列中取出一个节点，输出它被访问的信息，并遍历所有邻居。如果邻居节点尚未被访问，我们就标记它为已访问，并将其加入队列。
当队列为空时，意味着从起始节点可达的所有节点都已被访问过，BFS遍历就完成了。在main函数中，我们定义了一个简单的图并调用了BFS函数来显示从节点0开始的BFS遍历结果。
这个简单的例子展示了BFS算法的基本原理和实现，但在实际应用中，可能需要根据特定问题对算法进行调整和优化。