这篇文章主要为大家详细介绍了python广度优先搜索得到两点间最短路径，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
前言
之前一直写不出来，这周周日花了一下午终于弄懂了， 顺便放博客里，方便以后忘记了再看看。
要实现的是输入一张 图，起点，终点，输出起点和终点之间的最短路径。
广度优先搜索
适用范围： 无权重的图，与深度优先搜索相比，深度优先搜索法占内存少但速度较慢，广度优先搜索算法占内存多但速度较快
复杂度： 时间复杂度为O(V+E),V为顶点数，E为边数
思路
广度优先搜索是以层为顺序,将某一层上的所有节点都搜索到了之后才向下一层搜索；
比如下图：
从0结点开始搜索的话，一开始是0、将0加入队列中；
然后下一层，0可以到达的有1,2,4,将他们加入队列中；
接下来是1，1能到达的且未被访问的是结点3
顺序就是 0， 1，2，4， 3，这里用下划线表示每一层搜索得到的结点；
每一次用cur = que[head]取出头指针指向的结点，并搜索它能到达的结点；因此，可以用一个队列que来保存已经访问过的结点,队列有头指针head以及尾指针tail,起点start与结点i有边并且结点i未被访问过，则将该结点加入队列中,tail指针往后移动；当tail等于顶点数时算法结束
对于每一次while循环，head都加一，也就是往右边移动，比如一开始head位置是0，下一层的时候head位置元素就为1，也就是搜索与结点1有边的且未被访问的结点
用一个数组book来标识结点i是否已经被访问过；用字典来保存起点到各个点的最短路径；
代码如下：
import numpy as np ini_matrix = [ [0, 1, 1, 0, 1], [1, 0, 0, 1, 0], [1, 0, 0, 0, 1], [0, 1, 0, 0, 0], [1, 0, 1, 0, 0] ] def bfs(matrix_para, start_point_para, end_point_para): """ 广度优先搜索 :param matrix_para 图 :param start_point_para 起点 :param end_point_para 终点 :return: 返回关联度 """ matrix = matrix_para start_point = start_point_para end_point = end_point_para vertex_num = len(matrix) # 顶点个数 que = np.zeros(vertex_num, dtype=np.int) # 队列， 用于存储遍历过的顶点 book = np.zeros(vertex_num, dtype=np.int) # 标记顶点i是否已经被访问，1表被访问，0表未被访问 point_step_dict = dict() # key:点，value:起点到该点的步长 # 队列初始化 head = 0 tail = 0 # 从起点出发，将起点加入队列 que[tail] = start_point # 等号右边为顶点号（起点） tail += 1 book[start_point] = 1 # book[i] i为顶点号 while head
错误
在经同学的一番调教之后，我深刻意识到了这段代码有个问题（不能用head记录步长），就是对于有环的时候，可能得到的步长（迭代次数）会比最短路径还大；
比如，起点为4，终点为3：这里每一遍迭代都是一次while循环
第一遍迭代，队列4，head指向4，步长为0
第二遍迭代，队列4，0 ， 2，head指向0， 步长为1
第三遍迭代，队列4，0 ， 2，1，head指向2，步长为2，
第四遍迭代，对于2，2周围都被访问过了，但此时head仍然+=1为3，这就导致了下一次的步长会比实际的步长多1
第五遍迭代， 3，步长为4
纠正
改进的思路：用count记录步长，flag用于标识当前搜索能到达的边的该结点cur = que[head]周围是否已经被访问过，False表示没有，True表示该结点i周围都被访问过了；也就是，当flag为False时，表示对于cur周围已经都访问过了，此时步长count不需要自增1；
import numpy as np ini_matrix = [ [0, 1, 1, 0, 1], [1, 0, 0, 1, 0], [1, 0, 0, 0, 1], [0, 1, 0, 0, 0], [1, 0, 1, 0, 0] ] def bfs(matrix_para, start_point_para, end_point_para): """ 广度优先搜索 :param matrix_para 图 :param start_point_para 起点 :param end_point_para 终点 :return: 返回关联度 """ matrix = matrix_para start_point = start_point_para end_point = end_point_para vertex_num = len(matrix) # 顶点个数 que = np.zeros(vertex_num, dtype=np.int) # 队列， 用于存储遍历过的顶点 book = np.zeros(vertex_num, dtype=np.int) # 标记顶点i是否已经被访问，1表被访问，0表未被访问 point_step_dict = dict() # key:点，value:起点到该点的步长 # 队列初始化 head = 0 tail = 0 # 迭代次数 count = 0 # 从0号顶点出发，将0号顶点加入队列 que[tail] = start_point # 等号右边为顶点号（起点） tail += 1 book[start_point] = 1 # book[i] i为顶点号 while head
写在后面
真的很抱歉， 第一次写这种算法博客结果出了这么大的问题，之前都是一些记录BUG的文章，还好同学及时和我说了，主要原因还是自己没有做那么多测试的问题。
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持html中文网。
以上就是python广度优先搜索得到两点间最短路径的详细内容，更多请关注0133技术站其它相关文章！
