深搜与栈浅谈

一、引入

搜索分为两大类——深度优先搜索算法和广度优先搜索算法。这里我给大家介绍一下深度优先搜索算法（简称深搜）。它通过递归（即函数调用自身）的方式，一步步向答案逼近，最终得出正确答案。但值得注意的是，这种算法未经剪枝优化会特别慢，很容易超时。深搜被广泛应用到多个领域。在比赛中，深搜的思路也是特别好想的，在想不出别的思路时可以用深搜骗点分。剪枝什么的暂时先不讲，下面我们先介绍一下栈，再简介一下深搜模板，最后通过几道例题讲解一下。

二、栈

栈（stack）是一种常见的数据结构，一般我们可以用数组实现。我们把栈里面的每一个元素就是一块板子。我们要把板子堆起来，可以想象，我们只能把最新那块板子放在之前最上面那块板子之上。同理，我们一次只能取走最上面的那块板子。假如我们把所有板子放完后再逐个拿出，不难发现最后一个放上去的板子第一个被拿出；第一个被放上去的板子最后一个拿出。因此，栈也有“先进后出表”之称。我们用一个数组stk[]表示栈，并用一个变量top记录栈顶（即最上面的元素）的位置。现在要加入一个元素x，我们只要将top加一，在给栈顶赋值x即可，也就是说stk[++top]=x。弹出栈顶元素只需要将top减一就行了,即top-=1。

三、深度优先搜索算法

下面简介一下深搜的主要思想。不难发现，对于每一个决策点，到达终点的方案数唯一。在当前遍历到的决策点，我们一边枚举下一步走法，一边直接走下一步，到达一个里终点更近的子决策点。在新的决策点，我们采取同样的方式，从而一步步向终点靠近，最终到达终点或终点附近，直接返回一个确定的值。那么每一个决策点的可行方案应该为所有子决策点的可行方案（加上当前走法）。
下面展示一段深搜的伪代码：

int dfs(int x){
   
	if(x为终点){
   
		统计（输出）;
		return;
	}
	for(y为x的子决策点){
   
		dfs(y);
		统计答案;
	}
	return;
}

若果决策点没有重复，我们发现所有决策点构成一棵树，否则构成一张有向无环图。对于后面的情况，我们一般采用记忆化搜索的方式进行优化，也就是说，在到达一个新决策点时，我们用一个数组记录它，当再次到达同一个决策点时，只需用O(1)的复杂度返回就行了。
事实上每当到枚举每一个子决策点时，就相当于把新的决策点放入栈顶。当访问完它所引出的所有决策点后便能把他从栈顶取出，否则继续找出它所引出的决策点加入栈顶。在它所有引出的决策点求解完之前，它始终不在栈顶，便无法取出即无法求解。一开始栈中只有一个元素即起点，当求完所有决策点时，我们便发现栈空了。也就是说，每一次深搜等价于一个栈。

四、经典例题

下面我们通过具体问题更深入地了解深搜

1.自然数的拆分问题

任何一个大于1的自然数n，总可以拆分成若干个小于n的正整数之和。现在给你一个自然数n，要求你求出n的拆分