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
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<tail:
cur = que[head]
for i in range(vertex_num):
# 判断从顶点cur到顶点i是否有边，并判断顶点i是否已经被访问过
if matrix[cur][i] == 1 and book[i] == 0:
que[tail] = i # 将顶点i放入队列中
tail += 1 # tail指针往后移
book[i] = 1 # 标记顶点i为已经访问过
point_step_dict[i] = head + 1 # 记录步长
if tail == vertex_num: # 说明所有顶点都被访问过
break
head += 1
for i in range(tail):
print(que[i])
try:
relevancy = point_step_dict[end_point]
return relevancy
except KeyError: # 捕获错误，如果起点不能到达end_point，则字典里没有这个键，返回None
return None
result = bfs(ini_matrix, 1, 4)
print("result:", result)
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<tail:
flag = False # 用flag标识结点i是否周围都是被访问过的
cur = que[head]
for i in range(vertex_num):
# 判断从顶点cur到顶点i是否有边，并判断顶点i是否已经被访问过
if matrix[cur][i] == 1 and book[i] == 0:
que[tail] = i # 将顶点i放入队列中
tail += 1 # tail指针往后移
book[i] = 1 # 标记顶点i为已经访问过
point_step_dict[i] = count + 1 # 记录步长
flag = True
if tail == vertex_num: # 说明所有顶点都被访问过
break
if flag:
count += 1
head += 1
for i in range(tail):
print(que[i])
try:
relevancy = point_step_dict[end_point]
return relevancy
except KeyError:
return None
result = bfs(ini_matrix, 3, 4)
print("result:", result)
最后给大家推荐一个口碑不错的python聚集地【点击进入】，这里有很多的老前辈学习技巧，学习心得，面试技巧，职场经历等分享，更为大家精心准备了零基础入门资料，实战项目资料，每天都有程序员定时讲解Python技术，分享一些学习的方法和需要留意的小细节
