这篇文章给大家分享的是有关python如何实现广度优先搜索得到两点间最短路径的内容。小编觉得挺实用的，因此分享给大家做个参考，一起跟随小编过来看看吧。

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
感谢各位的阅读！关于“python如何实现广度优先搜索得到两点间最短路径”这篇文章就分享到这里了，希望以上内容可以对大家有一定的帮助，让大家可以学到更多知识，如果觉得文章不错，可以把它分享出去让更多的人看到吧！
                    

                    网页题目：python如何实现广度优先搜索得到两点间最短路径-创新互联                    

                    网页网址：http://kswjz.com/article/dhsejj.html