廣度優先搜尋

图形搜索算法

廣度優先搜尋演算法(英語:Breadth-first search,縮寫:BFS),又譯作寬度優先搜尋,或橫向優先搜尋,是一種圖形搜尋演算法。簡單的說,BFS是從根節點開始,沿着樹的寬度遍歷樹的節點。如果所有節點均被訪問,則演算法中止。廣度優先搜尋的實現一般採用open-closed表。

廣度優先搜尋
節點搜尋的順序
節點搜尋的順序
節點進行廣度優先搜尋的順序
概況
類別搜尋演算法
資料結構
複雜度
平均時間複雜度
最壞時間複雜度
空間複雜度
最佳解
完全性
相關變數的定義

作法

BFS是一種暴力搜尋演算法,目的是系統地展開並檢查中的所有節點,以找尋結果。換句話說,它並不考慮結果的可能地址,徹底地搜尋整張圖,直到找到結果為止。BFS並不使用經驗法則演算法

從演算法的觀點,所有因為展開節點而得到的子節點都會被加進一個先進先出佇列中。一般的實作裏,其鄰居節點尚未被檢驗過的節點會被放置在一個被稱為 open 的容器中(例如佇列或是連結串列),而被檢驗過的節點則被放置在被稱為 closed 的容器中。(open-closed表)

 
德國城市為範例的地圖。城市間有數條道路相連接。
 
法蘭克福開始執行廣度優先搜尋演算法,所產生的廣度優先搜尋演算法樹。
 
廣度優先搜尋演算法的動畫範例

實作方法

  1. 首先將根節點放入佇列中。
  2. 從佇列中取出第一個節點,並檢驗它是否為目標。
    • 如果找到目標,則結束搜尋並回傳結果。
    • 否則將它所有尚未檢驗過的直接子節點加入佇列中。
  3. 若佇列為空,表示整張圖都檢查過了——亦即圖中沒有欲搜尋的目標。結束搜尋並回傳「找不到目標」。
  4. 重複步驟2。
 s為初始點
  
 while  
     從Q中選一點 v /* 若改選最後插入進Q的點,則為深度遍歷,可以說後進先出。*/
     if   then    /* N(v):v的鄰接點 */
          
          
          
     else  
 return H=(R,T)

C 的實例

/*
    ADDQ (Q, p) - p PUSH 入 Q
    DELQ (Q) - POP Q 并返回 Q 顶
    FIRSTADJ (G,v) - v 的第一个邻接点,找不到则返回 -1
    NEXTADJ (G,v) - v 的下一个邻接点,找不到则返回 -1
    VISIT (v) - 访问 v
    visited [] - 是否已访问
*/

// 广度优先搜索算法
void BFS(VLink G[], int v) {
    int w;
    VISIT(v); // 访问 v 并入队
    visited[v] = 1;
    ADDQ(Q, v);
    // 对队列 Q 的各元素
    while (!EMPTYQ(Q)) {
        v = DELQ(Q);
        w = FIRSTADJ(G, v);
        do {
            // 进行访问和入队
            if (visited[w] == 0) {
                VISIT(w);
                ADDQ(Q, w);
                visited[w] = 1;
            }
        } while ((w = NEXTADJ(G, v)) != -1);
    }
}

// 对图G=(V,E)进行广度优先搜索的主算法
void TRAVEL_BFS(VLink G[], bool visited[], int n) {
    // 清零标记数组
    for (int i = 0; i < n; ++i)
        visited[i] = 0;
    for (int i = 0; i < n; ++i)
        if (visited[i] == 0)
            BFS(G, i);
}

C++ 的實作

(這個例子僅針對Binary Tree)
定義一個結構體來表達一個節點的結構:

struct node {
    int self;     //数据
    node *left;   //左节点
    node *right;  //右节点
};

那麼,我們在搜尋一個樹的時候,從一個節點開始,能首先取得的是它的兩個子節點。例如:

   A
B     C

A是第一個訪問的,然後順序是B和C;然後再是B的子節點,C的子節點。那麼我們怎麼來保證這個順序呢?

這裏就應該用queue資料結構,因為queue採用先進先出( first-in-first-out )的順序。

使用C++的STL函式庫,下面的程式碼能幫助理解:

 std::queue<node *> visited, unvisited;
node nodes[9];
node *current;

unvisited.push(&nodes[0]); // 先把root放入unvisited queue

while (!unvisited.empty()) { // 只有unvisited不空
    current = (unvisited.front()); // 目前應該檢驗的
    if (current->left != NULL)
        unvisited.push(current->left); // 把左邊放入queue中
    if (current->right != NULL) // 右邊壓入。因為QUEUE是一個先進先出的結構构,所以即使後面再壓其他东西,依然會先訪問這個。
        unvisited.push(current->right);
    visited.push(current);
    cout << current->self << endl;
    unvisited.pop();
}

特性

空間複雜度

因為所有節點都必須被儲存,因此BFS的空間複雜度為 ,其中 是節點的數目,而 是圖中邊的數目。註:另一種說法稱BFS的空間複雜度為 ,其中B是最大分支系數,而M是樹的最長路徑長度。由於對空間的大量需求,因此BFS並不適合解非常大的問題,對於類似的問題,應用IDDFS以達節省空間的效果。

時間複雜度

最差情形下,BFS必須尋找所有到可能節點的所有路徑,因此其時間複雜度為 ,其中 是節點的數目,而 是圖中邊的數目。

完全性

廣度優先搜尋演算法具有完全性。這意指無論圖形的種類如何,只要目標存在,則BFS一定會找到。然而,若目標不存在,且圖為無限大,則BFS將不收斂(不會結束)。

最佳解

若所有邊的長度相等,廣度優先搜尋演算法是最佳解——亦即它找到的第一個解,距離根節點的邊數目一定最少;但對一般的圖來說,BFS並不一定回傳最佳解。這是因為當圖形為加權圖(亦即各邊長度不同)時,BFS仍然回傳從根節點開始,經過邊數目最少的解;而這個解距離根節點的距離不一定最短。這個問題可以使用考慮各邊權值,BFS的改良演算法成本一致搜尋法來解決。然而,若非加權圖形,則所有邊的長度相等,BFS就能找到最近的最佳解。

應用

廣度優先搜尋演算法能用來解決圖論中的許多問題,例如:

  • 尋找圖中所有連接元件(Connected Component)。一個連接元件是圖中的最大相連子圖。
  • 尋找連接元件中的所有節點。
  • 尋找非加權圖中任兩點的最短路徑。
  • 測試一圖是否為二分圖
  • (Reverse)Cuthill–McKee演算法

尋找連接元件

由起點開始,執行廣度優先搜尋演算法後所經過的所有節點,即為包含起點的一個連接元件。

測試是否二分圖

BFS可以用以測試二分圖。從任一節點開始搜尋,並在搜尋過程中給節點不同的標籤。例如,給開始點標籤0,開始點的所有鄰居標籤1,開始點所有鄰居的鄰居標籤0……以此類推。若在搜尋過程中,任一節點有跟其相同標籤的鄰居,則此圖就不是二分圖。若搜尋結束時這種情形未發生,則此圖為一二分圖。

應用於電腦遊戲中平面網格

BFS可用來解決電腦遊戲(例如即時策略遊戲)中找尋路徑的問題。在這個應用中,使用平面網格來代替圖形,而一個格子即是圖中的一個節點。所有節點都與它的鄰居(上、下、左、右、左上、右上、左下、右下)相接。

值得一提的是,當這樣使用BFS演算法時,首先要先檢驗上、下、左、右的鄰居節點,再檢驗左上、右上、左下、右下的鄰居節點。這是因為BFS趨向於先尋找斜向鄰居節點,而不是四方的鄰居節點,因此找到的路徑將不正確。BFS應該先尋找四方鄰居節點,接着才尋找斜向鄰居節點1。

參見

參考資料

  • Thomas H. Cormen, Charles E. Leiserson, Ronald L. Rivest, and Clifford Stein], Introduction to Algorithms, Second Edition. MIT Press and McGraw-Hill, 2001. ISBN 0-262-03293-7. Section 22.2: Breadth-first search, pp. 531–539.

外部連結