BFS tutkii kaaviota tasolla tasolla, vieraillen kaikissa solmun naapureissa ennen syvemmälle menoa. Se käyttää jonoa ja löytää lyhimmän polun (vähiten reunoja) painottamattomissa kaavioissa.
Aloita lähteestä, lisää se jonoon, toista sitten poistamalla solmu jonosta, vierailemalla sen vierailemattomissa naapureissa ja lisäämällä ne jonoon. visited-joukko estää uudelleenvierailun.
from collections import deque
def bfs(graph, start):
visited = {start}
queue = deque([start])
order = []
while queue:
node = queue.popleft() # FIFO: explore nearest first
order.append(node)
for nbr in graph[node]:
if nbr not in visited:
visited.add(nbr)
queue.append(nbr)
return order
graph = {'A': ['B', 'C'], 'B': ['D'], 'C': ['D'], 'D': []}
bfs(graph, 'A') # -> ['A', 'B', 'C', 'D']
Käytä BFS:ää lyhimmän polun lyhimmän polun lyhimmän polun lyhimmän polun lyhimmän polun lyhimmän polun lyhimmän polun lyhimmän polun lyhimmän polun lyhimmän polun lyhimmän polun lyhimmän polun lyhimmän polun lyhimmän polun lyhimmän polun lyhimmän polun lyhimmän polun lyhimmän polun painottamattomissa kaavioissa, tasojärjestyksen kulkemiseen ja yhdistettyjen komponenttien löytämiseen. Se käyttää enemmän muistia kuin DFS (koko raja kerralla). Seuraa aina visited:ia tai saatat joutua äärettömään silmukkaan sykleissä.
BFS on algoritmi lyhimmille poluille, kun jokainen reuna laskee yhtä paljon — reititys, verkon crawling, sosiaalisen verkon erotuksen asteet.
Sen jonoon perustuva, taso tasolla -rakenne on perustavanlaatuinen kulkemisen kuvio.
BFS:n vs DFS:n tunteminen antaa sinulle mahdollisuuden valita oikea työkalu saavutettavuus-, polku- ja järjestysongelmiin.