利用广度优先算法找出最短路径python有向图

好的，针对您的问题，我可以为您提供以下的 Python 代码实现：

from collections import deque

# 定义有向图
graph = {
    'A': ['B', 'C'],
    'B': ['D', 'E'],
    'C': ['F'],
    'D': [],
    'E': ['F'],
    'F': []
}

# 广度优先搜索函数
def bfs_shortest_path(graph, start, end):
    # 创建一个队列，将起点加入队列中
    queue = deque([(start, [start])])
    # 如果起点和终点相同，则直接返回
    if start == end:
        return [start]

    while queue:
        # 取出队列中的第一个元素
        (vertex, path) = queue.popleft()
        # 遍历当前节点的所有邻居节点
        for next_vertex in graph[vertex]:
            # 如果邻居节点还没有在路径中出现过，则将其加入路径中
            if next_vertex not in path:
                new_path = path + [next_vertex]
                # 如果邻居节点是终点，则返回路径
                if next_vertex == end:
                    return new_path
                # 否则将邻居节点加入队列中
                else:
                    queue.append((next_vertex, new_path))
    # 如果没有找到路径，则返回空列表
    return []

# 测试
start = 'A'
end = 'F'
path = bfs_shortest_path(graph, start, end)
print(path)

在上面的实现中，我们使用了 collections 模块中的 deque 双向队列数据结构。我们首先将起点加入队列中，并把起点作为路径的第一个节点。然后，我们在每次迭代中从队列的左侧获取队列中的第一个元素，遍历当前节点的所有邻居节点，并将其加入路径中。如果邻居节点是终点，则返回路径。否则，将邻居节点加入队列中，以便后续继续遍历。如果没有找到路径，则返回空列表。

以上就是利用广度优先算法找出最短路径的 Python 实现代码。