有一种理论认为六度分离是最高的 人们通过一连串的熟人联系在一起的程度。 （您知道贝克-分离度
1，贝克认识某人 您不知道-分离度2）我们有一个人
P的列表，一个A个相应的熟人的列表 在这些人中，还有一个人x我们正在尝试实现一种算法，以检查
x人是否尊重 六个分离度。如果距true的距离，则返回xP中的所有其他人最多为六个，否则为假。我们想在最坏的情况下完成
O(|P| + |A|)。
要实现此算法，我考虑过在邻接矩阵上实现一个邻接列表，以用顶点G和边P来表示图A，因为邻接矩阵将采用{ {1}}遍历。
现在，我考虑过使用BFS或DFS，但是对于这种情况，我似乎找不到原因来说明为什么另一个更为理想。
我想使用BFS或DFS将距O(n^2)的距离存储在数组x中，然后循环遍历数组d以查看是否有任何度数大于d
DFS和BFS具有相同的时间复杂度，但是在大多数情况下，找到一个大于6的第一个度数，深度更好（更快？），而同时覆盖所有度数6的广度更好。
在DFS或BFS之后，我将遍历包含与人> 6的距离的数组，如果没有条目x和true，则返回>6找到了。
使用BFS，分离度始终位于数组的末尾，这可能会导致更高的时间复杂度？
使用DFS，分离度将随机分散在Array中，但是在搜索初期，分离度高于false的机会就更高。
我不知道如果在这里使用DFS或BFS会对时间复杂度有什么影响。
答案 0 :(得分：2)
BFS和DFS的时间复杂度完全相同。两种方法都访问图形的所有连接的顶点，因此在两种情况下都具有O(V + E)，其中V是顶点数，E是边数。
话虽如此，有时一种算法可能比另一种算法更可取，这恰恰是因为顶点访问的顺序不同。例如，如果您要评估一个数学表达式，DFS会更加方便。
在您的情况下，BFS可用于优化图形遍历，因为您可以简单地以所需的分离度切断BFS。所有具有必要（或更大）隔离度的人都将被标记为未拜访。
使用DFS实施该技巧时会费时费力，因为您已经敏锐地注意到，DFS首先到达“图的底部”，然后递归地（或通过堆栈）返回上一层级别。
答案 1 :(得分：0)
我相信您可以使用 Dijkstra 算法。
是一种BFS方法，可更新您的路径，是该路径的值较小。认为距离总是要付出1的代价，并且如果一个人A有两个朋友（B和N）。
这些朋友有一个共同的朋友C，但是，在您的算法第一次使用费用A检查朋友4的距离并将其标记为已访问时，他们无法检查距离B的朋友3。 Dijkstra将帮助您进行检查。
Dijkstra在O(|V|+|E|log|V)
在https://en.wikipedia.org/wiki/Dijkstra%27s_algorithm上查看更多信息