我正在实施一个包含100,000多个节点的巨大有向图。我刚刚开始python所以我只知道这两个搜索算法。如果我想找到任意两个节点之间的最短距离，哪一个会更有效率？还有其他我不知道的方法会更好吗？
感谢您的时间
答案 0 :(得分：1)
BFS和DFS确实有其他几种替代方案。
一个非常适合计算最短路径的是：http://en.wikipedia.org/wiki/Dijkstra's_algorithm
Dijsktra的算法基本上是BFS算法的改编，如果你的图是加权的，它比搜索整个图更有效。
就像@ThomasH所说的那样，如果你有一个加权图，Djikstra只是相关的，如果每个边的权重是相同的，它基本上默认回到BFS。
如果选择在BFS和DFS之间，那么BFS更适合于找到最短路径，因为您在移动到距离较远的节点之前完全探索节点的紧邻区域。
这意味着如果存在大小为3的路径，则在算法继续探索距离4处的节点之前，将探索它。
使用DFS，您没有这样的保证，因为您深入探索节点，您可以找到刚刚探索过的较长路径，并且您需要浏览整个图形以确保这是最短路径。
至于为什么你会得到挫折，大多数SO问题都应该显示出一些努力来寻找解决方案，例如，有关DFS与BFS的利弊的几个相关问题。
下次尝试确保您搜索了一下，然后询问有关您的任何具体疑问的问题。
答案 1 :(得分：1)
看看以下两种算法：
答案 2 :(得分：0)
如果图表上的边没有权重，则可以进行简单的广度优先搜索，您可以迭代地访问图中的节点，并检查是否有任何新节点等于目标节点。如果边缘有权重，DJikstra的算法和Bellman-Ford算法是你应该看的东西，这取决于你正在看的预期时间和空间复杂性。
答案 3 :(得分：0)
当您想要找到最短路径时，您应该使用BFS而不是DFS，因为BFS会首先探索最近的节点，因此当您到达目标时，您确定使用了最短路径并且可以停止搜索。 DFS一次只探索一个分支，所以当你达到目标时，你不能确定没有另一条通过另一个分支的路径更短。
所以你应该使用BFS。
如果你的图形边缘有不同的权重，那么你应该使用Dijkstra算法，它是BFS对加权图形的改编，但是如果你没有权重则不要使用它。
有些人可能会建议您使用Floyd-Warshall算法，但对于这么大的图表来说这是一个非常糟糕的主意。