常见的搜索算法（深搜和广搜为主）

首先，我们必须要明白，搜索算法不同与一般的算法，可以说是相当重要。

大多数男生同胞爱玩LOL，当我们的鼠标点击地图上的某一位置时，英雄就会走向鼠标点击的位置，这些都是由高效的搜索算法所引导。说不定，看过本篇文章后，你再玩LOL,就会预判敌方走位了（输了别找我啊）。

常见的搜索算法

1:枚举算法

所谓的枚举算法就是一一列举出所有的情况，如果符合条件就进行相应的操作，这种算法效率显然不高，适用于基数少的情形。

2:深度优先搜索(DFS)

如算法名称那样， 深度优先搜索所遵循的搜索策略是尽可能“深”地搜索树。它的基本思想是：为了求得问题的解，先选择某一种可能情况向前（子结点）探索，在探索过程中，一旦发现原来的选择不符合要求，就回溯至父亲结点重新选择另一结点，继续向前探索，如此反复进行，直至求得最优解。深度优先搜索的实现方式可以采用 递归或者栈来实现。由此可见，把通常问题转化为树的问题是至关重要的一步，完成了树的转换基本完成了问题求解。

(1)减少节点数，思想：尽可能减少生成的节点数

(2)定制回溯边界，思想：定制回溯边界条件，剪掉不可能得到最优解的子树

在很多情况下，我们已经找到了一组比较好的解。但是计算机仍然会义无返顾地去搜索比它更“劣”的其他解，搜索到后也只能回溯。为了避免出现这种情况，我们需要灵活地去定制回溯搜索的边界。

在 深度优先搜索的过程当中，往往有很多走不通的“死路”。假如我们把这些“死路”排除在外，不是可以节省很多的时间吗？打一个比方，前面有一个路径，别人已经提示：“这是死路，肯定不通”，而你的程序仍然很“执着”地要继续朝这个方向走，走到头来才发现，别人的提示是正确的。这样，浪费了很多的时间。针对这种情况，我们可以把“死路”给标记一下不走，就可以得到更高的搜索效率（引用自某度）。

谈一下我的理解，其实DFS就像走迷宫一样，当我们走到某个分岔口，由于不知道到底哪个是出口，所以我们只能随便选择一条路（编程时一般是按顺序从第一个开始遍历），当我们又碰到一个分岔口时，我们需要再进行选择，如果碰到死胡同，这时就需要我们原路返回到上一个分岔口，然后选择另一条路，如此往复，直到走出迷宫。
通过此图来加深了解，比方说 8 是出口，1是出发点，2 ， 5 ， 6 ， 9 是第一处分岔口， 假如我们选择 2 ， 然后 3 ， 4成为第二个分岔口，我们随便选择 3 ，发现是死胡同，然后返回上一个分岔口 2 ，再选择 4 ， 结果又是死胡同，我们又返回 2 ，发现 2 没有别的路了， 然后返回 1 ， 再走别的路， 直到走到 8 .
3.广度优先搜索(BFS)
类似树的按层遍历，其过程为：首先访问初始点Vi，并将其标记为已访问过，接着访问Vi的所有未被访问过可到达的邻接点Vi1、Vi2……Vit，并均标记为已访问过，然后再按照Vi1、Vi2……Vit的次序，访问每一个顶点的所有未被访问过的邻接点，并均标记为已访问过，依此类推，直到图中所有和初始点Vi有路径相通的顶点都被访问过为止(引用自某度）。
我所理解到的广度优先搜索都是基于一个一维数组就可以实现，每当我们在讨论一个节点时，它的子节点（也就是上面的分叉点）被插在数组的后面（不是当前所讨论值的后面），我们可以通过一个变量，如index++来实现。