算法 in Golang：Breadth-first search（BFS、广度优先搜索）

算法 in Golang：Breadth-first search

（BFS、广度优先搜索）

最短路径问题 Shortest-path problem

• 从 A 到 F 点有多条路径

解决问题的算法 Breadth-first Search（广度优先搜索）

1. 将问题建模为图（Graph）
2. 通过 Breadth-first Search 算法来解决问题

图（Graph）是什么？

图是用来对不同事物间如何关联进行建模的一种方式

图是一种数据结构

Breadth-first Search（BFS）广度优先搜索算法

1. 作用于图（Graph）
2. 能够回答两类问题：
   1. 是否能够从节点 A 到节点 B？
   2. 从 A 到 B 的最短路径是什么？

以社交网络为例

• 直接添加的朋友
  • 朋友的朋友...
  • 第一层没找到再找第二层

数据结构 Queue

• 先进来的数据先处理（FIFO）先进先出原则
• 无法随机的访问 Queue 里面的元素
• 相关操作：
  • enqueue：添加元素
  • dequeue：移除元素

例子

找到名为 Tom 的朋友

1. 把你所有的朋友都加到 Queue 里面
2. 把 Queue 里面第一个人找出来
3. 看他是不是 Tom
   1. 是 结束任务
   2. 否 把他所有的朋友加到 Queue 重复操作

创建项目

~/Code/go via 🐹 v1.20.3 via 🅒 base
➜ mcd breadth_first_search

Code/go/breadth_first_search via 🐹 v1.20.3 via 🅒 base
➜ go mod init breadth_first_search
go: creating new go.mod: module breadth_first_search

Code/go/breadth_first_search via 🐹 v1.20.3 via 🅒 base
➜ c

Code/go/breadth_first_search via 🐹 v1.20.3 via 🅒 base
➜

main.go 代码：

package main

import "fmt"

type GraphMap map[string][]string

func main() {
	var graphMap GraphMap = make(GraphMap, 0)
	graphMap["you"] = []string{"alice", "bob", "claire"}
	graphMap["bob"] = []string{"anuj", "peggy"}
	graphMap["alice"] = []string{"peggy"}
	graphMap["claire"] = []string{"tom", "johnny"}
	graphMap["anuj"] = []string{}
	graphMap["peggy"] = []string{}
	graphMap["tom"] = []string{}
	graphMap["johnny"] = []string{}

	search_queue := graphMap["you"]

	for {
		if len(search_queue) > 0 {
			var person string
			person, search_queue = search_queue[0], search_queue[1:]
			if personIsTom(person) {
				fmt.Printf("%s is already in the queue for you.\n", person)
				break
			} else {
				search_queue = append(search_queue, graphMap[person]...)
			}
		} else {
			fmt.Println("Not found in search queue")
			break
		}
	}
}

func personIsTom(p string) bool {
	return p == "tom"
}

运行

Code/go/breadth_first_search via 🐹 v1.20.3 via 🅒 base 
➜ go run main.go
tom is already in the queue for you.

Code/go/breadth_first_search via 🐹 v1.20.3 via 🅒 base took 3.2s 
➜