广度优先搜索在树中的应用

Posted 2021-04-14 DataWatching

我们今天先来说明下什么是广度优先搜索，在学算法的过程中，我们无法避免的会学到两种的搜索方式：

（1）广度优先搜索

（2）深度优先搜索

今天我就先来说说广度优先搜索，其实相比较而言，广度优先搜索是比较符合人的思考方式的。

这里举个例子：

如果我们用广度优先搜索的方式来把这个树走一遍的话，那么路径就是这样的：1->3->2->4->5->6；如果这样不好理解，我们就换种表达格式：

->1

->3->2->4

->5->6

这样就要理解了吧，注意：1->4->2->3->6->5；这样其实也是层次遍历。

基本就是这样，如果在树这个数据结构里面，广度优先搜索看起来就是一种逐层次的遍历方式。

树有好几层，广度优先搜索就是一层走完了，再走下一层。

也就是广度优先搜索有点像就是横向遍历，然后，如果这一层遍历完成了，再走到下一层。

说完了什么是广度优先搜索，我们来说说这种遍历是如何实现的：一般来说，要完成广度优先搜索要用到一种数据结构：队列。因为队列有个先入先出（FIFO, First in first out）的性质，在把节点出队的时候，我们把他们的子树的节点入队，这里我们用个例子来说明一下：

102. 二叉树的层次遍历 

https://leetcode-cn.com/problems/binary-tree-level-order-traversal/

这里就是典型的树的广度优先搜索的例题了，思路我们都说了，就是用队列来进行实现，把节点再出队的同时，把他们的子树节点入队。接下来我们就来看看具体是如何实现的：

public List<List<Integer>> levelOrder(TreeNode root) { List<List<Integer>> res = new ArrayList<>(); if (root == null) { return res; } Queue<TreeNode> queue = new LinkedList<>(); queue.offer(root); while (!queue.isEmpty()) { //知道当前在队列中的某层的树的节点的数量。 int size = queue.size(); List<Integer> tempList = new ArrayList<>(); while (size != 0) {        // 节点出队 TreeNode treeNode = queue.poll(); //把树的节点的值加入到临时的list中 tempList.add(treeNode.val); if (treeNode.left != null) {               // 节点入队 queue.offer(treeNode.left); } if (treeNode.right != null) { // 节点入队 queue.offer(treeNode.right); } size--; }        //把树中的某个层的结果集list放入最终结果集中。 res.add(tempList); } return res;}

我在代码中增加了注释，应该是非常容易看懂的。

其实我觉得广度优先搜索是最好理解的思想了，而且实现起来也不难，对新手十分的友好。