Update 01.Queue-BFS.md

Contents/04.Queue/02.Queue-BFS/01.Queue-BFS.md

@@ -1 +1,86 @@
 
+
+## 1. 广度优先搜索简介
+
+> **广度优先搜索算法**（Breadth First Search）：简称为 BFS，又译作宽度优先搜索 / 横向优先搜索。是一种用于遍历或搜索树或图的算法。该算法从根节点开始，沿着树的宽度遍历树或图的节点。如果所有节点均被访问，则算法中止。
+
+广度优先遍历类似于树的层次遍历过程。呈现出一层一层向外扩张的特点。先看到的节点先访问，后看到的节点后访问。遍历到的节点顺序符合「先进先出」的特点，所以广度优先搜索可以通过「队列」来实现。
+
+## 2. 广度优先搜索过程演示
+
+接下来我们以一个无向图为例，演示一下广度优先搜索的过程。
+
+我们用邻接字典的方式存储无向图结构，对应结构代码如下：
+
+```Python
+# 定义无向图结构
+graph = {
+    "A": ["B", "C"],
+    "B": ["A", "C", "D"],
+    "C": ["A", "B", "D", "E"],
+    "D": ["B", "C", "E", "F"],
+    "E": ["C", "D"],
+    "F": ["D"]
+}
+```
+
+该无向图的结构如图左所示，图右为宽度优先搜索的遍历路径。
+
+其对应的动态演示图如下所示。
+
+## 3. 基于队列实现的广度优先搜索
+
+### 3.1 基于队列实现的广度优先搜索实现步骤
+
+1. `graph` 为存储无向图的字典变量，`start` 为开始节点。
+1. 然后定义 `visited` 为标记访问节点的 set 集合变量。定义 `q` 为存放节点的队列。
+1. 首先将起始节点放入队列 `q`中，即 `q.put(start)`。并将其标记为访问，即 `visited.add(start)`。
+4. 从队列中取出第一个节点 `node_u`。访问节点 `node_u`，并对节点进行相关操作（看具体题目要求）。
+2. 遍历与节点 `node_u` 相连并构成边的节点 `node_v`。
+   - 如果 `node_v` 没有被访问过，则将 `node_v` 节点放入队列中，并标记访问，即 `q.append(node_v)`，`visited.add(node_v)`。
+6. 重复步骤 4 ~ 5，直到 `q` 为空。
+
+### 3.2 基于队列实现的广度优先搜索实现代码
+
+```Python
+from queue import Queue
+
+def bfs(graph, start):
+    visited = set(start)
+    q = Queue()
+    q.put(start)
+    while not q.empty():
+        node_u = q.get()
+        print(node_u)
+        for node_v in graph[node_u]:
+            if node_v not in visited:
+                visited.add(node_v)
+                q.put(node_v)
+```
+
+## 4. 广度优先搜索应用
+
+### 4.1 岛屿的最大面积
+
+#### 4.1.1 题目链接
+
+- [695. 岛屿的最大面积 - 力扣（LeetCode）](https://leetcode-cn.com/problems/max-area-of-island/)
+
+#### 4.2.2 题目大意
+
+给定一个只包含 `0`、`1` 元素的二维数组 `grid`，其中 `1` 代表岛屿，`0` 代表水。一座岛的面积就是上下左右相邻的 `1` 所组成的连通块的数目。
+
+要求：计算出最大的岛屿面积。
+
+#### 4.2.3 解题思路
+
+#### 4.2.4 代码
+
+```Python
+
+```
+
+## 参考资料
+
+- 【文章】[广度优先搜索 - LeetBook - 力扣（LeetCode）](https://leetcode-cn.com/leetbook/read/bfs/e69rh1/)
+