编程利用广度优先搜索算法确定无向图的连通分量。

下面是使用广度优先搜索算法确定无向图连通分量的 Python 代码示例：

from collections import deque

# 无向图的邻接表表示
graph = {
    'A': ['B', 'C'],
    'B': ['A', 'D', 'E'],
    'C': ['A', 'F'],
    'D': ['B'],
    'E': ['B', 'F'],
    'F': ['C', 'E']
}

# 广度优先搜索函数
def bfs(start, visited):
    queue = deque([start])
    visited.add(start)  # 标记起点已访问
    component = []
    while queue:
        node = queue.popleft()
        component.append(node)
        for neighbor in graph[node]:
            if neighbor not in visited:
                visited.add(neighbor)
                queue.append(neighbor)
    return component

# 获取无向图的连通分量
def connected_components():
    visited = set()  # 已访问的节点集合
    components = []
    for node in graph:
        if node not in visited:
            component = bfs(node, visited)
            components.append(component)
    return components

# 测试代码
components = connected_components()
print(components)  # [['A', 'C', 'B', 'E', 'D', 'F']]

在上面的代码中，我们首先定义了一个无向图的邻接表表示。然后，我们定义了一个广度优先搜索函数 `bfs`，该函数从指定的起点开始遍历图，并返回与起点连通的所有节点。在搜索过程中，我们使用一个队列来存储待访问的节点，并使用一个集合来记录已经访问过的节点，以避免重复访问。

最后，我们定义了一个 `connected_components` 函数，该函数遍历整个无向图，并返回其中所有的连通分量。该函数首先创建一个空的已访问节点集合，然后从图中的每个未访问节点开始遍历，并将遍历得到的连通节点集合添加到 `components` 列表中。最终，`connected_components` 函数返回 `components` 列表，其中每个元素都是一个连通分量。在本例中，由于无向图是连通的，因此 `connected_components` 函数返回一个包含所有节点的列表。