广度优先遍历(Breadth_First_Search),又称为广度优先搜索,简称BFS。

    image.png
    图7-5-3

    如果说图的深度优先遍历类似树的前序遍历,那么图的广度优先遍历就类似于树的层序遍历了。
    我们将图7-5-3的第一幅图稍微变形,变形原则是顶点A放置在最上第一层,让与它有边的顶点B、F为第二层,再让与B和F有边的顶点C、I、G、E为第三层,再将这四个顶点有边的D、H放在第四层,
    如图7-5-3的第二幅图所示。此时在视觉上感觉图的形状发生了变化,其实顶点和边的关系还是完全相同的。

    1. //以下是邻接矩阵结构的广度优先遍历算法。
    2. /* 邻接矩阵的广度遍历算法 */
    3. void BFSTraverse(MGraph G)
    4. {
    5. int i, j;
    6. Queue Q;
    7. for (i = 0; i < G.numVertexes; i++)
    8. visited[i] = FALSE;
    9. /* 初始化一辅助用的队列 */
    10. InitQueue(&Q);
    11. /* 对每一个顶点做循环 */
    12. for (i = 0; i < G.numVertexes; i++)
    13. {
    14. /* 若是未访问过就处理 */
    15. if (!visited[i])
    16. {
    17. /* 设置当前顶点访问过 */
    18. visited[i]=TRUE;
    19. /* 打印顶点,也可以其他操作 */
    20. printf("%c ", G.vexs[i]);
    21. /* 将此顶点入队列 */
    22. EnQueue(&Q,i);
    23. /* 若当前队列不为空 */
    24. while (!QueueEmpty(Q))
    25. {
    26. /* 将队中元素出队列,赋值给i */
    27. DeQueue(&Q, &i);
    28. for (j = 0; j < G.numVertexes; j++)
    29. {
    30. /* 判断其他顶点若与当前顶点存在边且未访问过 */
    31. if (G.arc[i][j] == 1 && !visited[j])
    32. {
    33. /* 将找到的此顶点标记为已访问 */
    34. visited[j]=TRUE;
    35. /* 打印顶点 */
    36. printf("%c ", G.vexs[j]);
    37. /* 将找到的此顶点入队列 */
    38. EnQueue(&Q,j);
    39. }
    40. }
    41. }
    42. }
    43. }
    44. }
    1. //对于邻接表的广度优先遍历,代码与邻接矩阵差异不大,代码如下。
    2. /* 邻接表的广度遍历算法 */
    3. void BFSTraverse(GraphAdjList GL)
    4. {
    5. int i;
    6. EdgeNode *p;
    7. Queue Q;
    8. for (i = 0; i < GL->numVertexes; i++)
    9. visited[i] = FALSE;
    10. InitQueue(&Q);
    11. for (i = 0; i < GL->numVertexes; i++)
    12. {
    13. if (!visited[i])
    14. {
    15. visited[i] = TRUE;
    16. /* 打印顶点,也可以其他操作 */
    17. printf("%c ", GL->adjList[i].data);
    18. EnQueue(&Q, i);
    19. while (!QueueEmpty(Q))
    20. {
    21. DeQueue(&Q, &i);
    22. /* 找到当前顶点边表链表头指针 */
    23. p = GL->adjList[i].firstedge;
    24. while (p)
    25. {
    26. /* 若此顶点未被访问 */
    27. if (!visited[p->adjvex])
    28. {
    29. visited[p->adjvex] = TRUE;
    30. printf("%c ", GL->adjList[p->adjvex].data);
    31. /* 将此顶点入队列 */
    32. EnQueue(&Q, p->adjvex);
    33. }
    34. /* 指针指向下一个邻接点 */
    35. p = p->next;
    36. }
    37. }
    38. }
    39. }
    40. }

    对比图的深度优先遍历与广度优先遍历算法,
    你会发现,它们在

    • 时间复杂度上是一样的,不同之处仅仅在于对顶点访问的顺序不同。
    • 空间复杂度相同,都是O(n)[借助了堆栈or队列]。

    可见两者在全图遍历上是没有优劣之分的,只是视不同的情况选择不同的算法。

    不过如果图顶点和边非常多,不能在短时间内遍历完成,遍历的目的是为了寻找合适的顶点,那么选择哪种遍历就要仔细斟酌了。

    • 深度优先更适合目标比较明确,以找到目标为主要目的的情况,
    • 广度优先更适合在不断扩大遍历范围时找到相对最优解的情况。

    这里还要再多说几句,对于深度和广度而言,已经不是简单的算法实现问题,完全可以上升到方法论的角度。
    你求学是博览群书、不求甚解,还是深钻细研、鞭辟入里;
    你旅游是走马观花、蜻蜓点水,还是下马看花、深度体验;
    你交友是四海之内皆兄弟,还是人生得一知己足矣……其实都无对错之分,只视不同人的理解而有了不同的诠释。
    我个人觉得深度和广度是既矛盾又统一的两个方面,偏颇都不可取,还望大家自己慢慢体会。