最短路径搜索是通过算法找到一张图从起点（start）到终点（goal）之间的最短路径（path），为了简化，我们这里使用方格图（该图可以简单地用二维数组来表示），如下动图所示，其中代表起点，代表终点。广度优先算法实际上已经能够找到最短路径，BFS通过一种从起点开始不断扩散的方式来遍历整个图。可以证明，只要从起点开始的扩散过程能够遍历到终点，那么起点和终点之间一定是连通的，因此他们之间至少存在一条路径，而由于BFS从中心开始呈放射状扩散的特点，它所找到的这一条路径就是最短路径，下图演示了BFS的扩

文章目录狄克斯特拉算法实现算法节点实时计算消耗的权重存储父节点记录遍历过的节点找到最小权重的节点狄克斯特拉算法 狄克斯特拉算法 加权图——提高/降低某些边的权重 加权图：“边”上有了权重（例如：时间） 狄克斯特拉算法：找到总权重最小的路径 计算非加权图的最短路径——广度优先算法 计算加权图的最小权重——狄克斯特拉算法 **注意：**当图中存在负权重时，无法使用狄克斯特拉算法 实现算法 节点 狄克斯特拉算法 # ------------整个图的散列表（字典）-------- graph =

BFS 先记录广度优先搜索，我理解的广度优先搜索，即是从某点（父结点）出发，按层次遍历后续子节点。如上图所示，我们选取A点为父结点，则接下来应当遍历与A节点直接相邻的B, C节点，我们按顺序将节点记录在python列表中：[A, B, C]（注：假设先看的B节点），至此A节点处理完毕，我们按顺序处理B节点，发现B节点直接相连的节点是C, D, 而C节点已经被看过了，所以将D节点放入列表中：[A, B, C, D], 依次类推，最终列表应当是[A, B, C, D, E, F]。可以发现我们是按照