Python 恐怖主义网络分析的广度优先搜索

我目前正在与BFS合作，帮助分析员和调查人员为一篇大学论文（使用Python）探索恐怖主义或犯罪网络。我课程的主要主题不是面向编码，因此对我来说是全新的。
我正在积极寻找人来帮助/指导我针对此类问题开发代码。

---

非常感谢您事先提供的帮助。

我建议您阅读Steven S.Skienna的《算法设计手册》一书中的第五章“图形遍历”，其中详细解释了图形遍历，并附有示例和练习

此外，如果你想凭直觉来描述BFS，这里有一个简单的解释：

BFS是一种遍历图的顺序，在这种顺序中，我们优先以呼吸而不是深入的方式探索图。假设我们有一棵这样的树：

(N)
 |   \
(A)   (B)
 | \   |  \
(C)(D)(E) (F)

如果我们将N设置为BFS搜索开始的节点，则遍历顺序为：

(1)
 |   \
(2)   (3)
 | \   |  \
(4)(5)(6) (7)

这是因为该算法维护了一个FIFO（先进先出）队列，其中包含必须探测的节点，并不断添加实际探测节点的邻居，直到没有剩余节点可探测为止

---

为了说明一些事情，让我们通过这个简单的例子来描述BFS。在算法的每个步骤中，我们将有一个队列

Q

和一个已探索节点的列表

explored

。首先，队列

Q

中填充了起始节点

Q=[N]

，并且

explored=[]

列表中没有任何内容。我们将N的邻居添加到队列中，并将N标记为explored，因此在算法的第二步中，我们将使用

Q=[A，B]

和

explored=[N]

。现在轮到Q的第一个元素，它是A，因此我们将未探索的邻居添加到Q，并将其标记为explored，即

Q=[B，C，D]

和

explored=[N，A]

。在第三个例子中，我们将把B的未探测邻居附加到

Q

中，并将

B

标记为已探测，即

Q=[C，D，E，F]

和

已探测=[N，A，B]

。直到

Q

为空

建议先创建一些示例应用程序，然后再帮助其他应用程序。