【算法】深搜和广搜

深搜和广搜

1.概念

  • 深度优先搜索(Depth First Search, DFS):“不撞南墙不回头”
  • 广度优先搜索(Breath First Search, BFS):“一石激起千层浪”

2.DFS

2.1 特点

  • 深度优先搜索的主要思路是从一个未访问过的节点开始,沿着一条路一直走,直到走到头后没法再走了,这时候回退到上一个节点,然后再换下一个节点接着走,不断地去重复这个过程,直到所有的节点都走完,很明显,DFS的特点就是不撞南墙不回头,先走完一条路,再换下一条路接着走。
  • 通过上面的叙述,发现DFS其实很多时候是和递归一起出现的,但凡是递归的,当然也可以用非递归的方法来实现,其实就是利用这个结构,
  • DFS常用于寻找所有解的问题,需要记录并且完成整个搜索,所以很多时候需要去进行剪枝

2.1 典例-树

图2.1
先来看一下树的DFS,例如要遍历上面那棵树,DFS就是一条路走到黑,然后走不动往上个路口回,然后看有没有其他选择

递归实现

public class Solution {
    private static class Node {
        public int value;
        public Node left;
        public Node right;

        public Node(int value, Node left, Node right) {
            this.value = value;
            this.left = left;
            this.right = right;
        }
    }

    public static void dfs(Node treeNode) {
        if (treeNode == null) {
            return;
        }
        // 遍历节点
        process(treeNode)
        // 遍历左节点
        dfs(treeNode.left);
        // 遍历右节点
        dfs(treeNode.right);
    }
}

非递归实现

压入根节点
1.弹出就打印
2.if有右孩子,压入右孩子
3.if有左孩子,压入左孩子
重复1.2.3

/**
 * 使用栈来实现 dfs
 * @param root
 */
public static void dfsWithStack(Node root) {
    if (root == null) {
        return;
    }

    Stack<Node> stack = new Stack<>();
    // 先把根节点压栈
    stack.push(root);
    while (!stack.isEmpty()) {
        Node treeNode = stack.pop();
        // 遍历节点
        process(treeNode)

        // 先压右节点
        if (treeNode.right != null) {
            stack.push(treeNode.right);
        }

        // 再压左节点
        if (treeNode.left != null) {
            stack.push(treeNode.left);
        }
    }
}

2.3 典例-图

思路

假设上幅图片要从起点(黑色)走到终点(红色),找一条路径。
if要用深度优先搜索的例子来解这道题,那对于每一个格子,都有上下左右四个方向,从这个起始的位置可以发现,我们可以按照左->下->右->上这样的顺序去走路,也就是if左边能走,那就往左边走,到了下一个格子后,if左边能走,那接着走,if左边不能走了,那就看看下边能不能走,依次进行,if四个方向都不能走了,那就需要回溯到上一个,然后再看上一个的其他方向能不能走;
具体到这个图中:先向左走1格-》再向左走一格-》左边无法走,下边无法走,上边无法走,右边走过了,无路可走-》这条路死路解决不了问题-》回到上一个位置-》同样无路可走再回退-》到起点后,左边证明不行了,往下走-》。。。。重复这个过程
图2

  • 深度优先的特点就是不管有多少岔路口,都先选一条路走到底,不成功就返回上一个路口选择下一条路,

程序实现

int goal_x = 9, goal_y = 9   //目标坐标
int n = 10, m = 10   //地图的长宽
int graph[n][m]    
int used[n][m]
int px = {-1, 0, 1, 0}
int py = {0, -1. 0, 1}   //通过这两个来进行左下右中的移动
int flag = 0   //到达终点的标志

void DFS(in graph[][], int used[][], int x, int y)
{
    //if目标相同,那证明成功
    if(graph[x][y] == graph[goal_x][goal_y]){
        print("successful")
        flag = 1
        return
    }
    //向四个方向遍历
    for(int i = 0, i < 4, i++){
        int new_x = x+px[i], new_y = y + py[i]
        if(new_x >= 0 && new_x < n && new_y >= 0 && new_y < m && used[new_x][new_y] == 0 && !flag) {  //没有且满足边界的时候
            used[new_x][new_y] = 1  //走这个格子
            DFS(graph, used, new_x, new_y)   //接着以这个格子接着走
            used[new_x][new_y] = 0  //回溯设置为0
        }
    }
}           

3.BFS

3.1 特点

  • 广度优先搜索的主要思路是从一个或多个未访问过的节点开始,先遍历这个节点的所有相邻节点,再遍历每个相邻节点的相邻节点。BFS的特点是一石激起千层浪,从一个节点开始向外扩散。
  • DFS是和递归或者说是栈一起出现的,而BFS很多时候其实是和队列一起出现的。这就是两者的区别。
  • BFS常用于寻找单一的最短路径问题,特点是:搜到就是最优解

3.2 典例-树

仍然是上面第一个例子,我们换一种遍历思路,刚才是从一条路先走到头,这次一层一层的遍历,这就是bfs

程序实现

/**
 * 使用队列实现 bfs
 * @param root
 */
private static void bfs(Node root) {
    if (root == null) {
        return;
    }
    Queue<Node> stack = new LinkedList<>();
    stack.add(root);

    while (!stack.isEmpty()) {
        Node node = stack.poll();
        System.out.println("value = " + node.value);
        Node left = node.left;
        if (left != null) {
            stack.add(left);
        }
        Node right = node.right;
        if (right != null) {
            stack.add(right);
        }
    }
}

3.3 典例-图

思路

图3.2

  • 广度优先在面临岔路口的时候,会把所有路口都记住,然后向着外面去进行扩散。

程序实现

int n = 10, m = 10;
void BFS(){
    queue que    //用队列来进行保存
    int graph[n][m]
    int px[] = {-1, 0, 1, 0}
    int py[] = {0, -1, 0, 1}
    que.push(起点入队);
    while(!que.isEmpty()){
        temp = que.pop();
        for(int i = 0; i < 4; i++){
            if(可以走){
                //标记当前格子
                //入队
            }

4.总结

  • 在树里,用的比较多的是dfs,因为树只有两个节点,并且有明显的路径(向左或者向右),可以直接使用递归的方法一次性走完;但是在图里,用到较多的是bfs,对于树而言,队列里存的是当前层的节点;对于图而言,当前队列里存的是所有的邻居节点。

BFS的框架

//计算起点start到终点target的最小距离
int BDS(Node start, Node target){ 
    Queue<Node> queue;  //核心结构:队列;
    Set<Node> visited;  //在图中都会用到,因为存在着交叉,会走回头路,树中则不需要,因为有next指针;
    queue.offer(start);  //起点入队;
    visited.add(start);  
    int step = 0; //记录扩散步数;
    while(queue.isEmpty()){
        int size = queue.size();
        //从当前队列中所有节点向与其关联的节点扩散;
        for(int i = 0; i < size; i++){
            Node cur = queue.poll();
            if(cur == target){
                return step;  //注意不同题目里这里的判断条件,是否到达终点;
            }
            for(Node x : cur.adj()){  //这里指的是当前节点的邻居节点;
                if(!visited.contains(x)){ //还没走过再加入;不走回头路;
                    queue.offer(x);
                    visited.add(x);
                }
            }
        }
        step++;  //注意在这里更新步数;
    }
}
posted @ 2022-04-07 11:47  Curryxin  阅读(1061)  评论(0编辑  收藏  举报
Live2D