DFS&BFS算法总结（1）

DFS&BFS算法总结

图论：

n图论中的图是由若干给定的点及连接两点的线所构成的图形，这种图形通常用来描述某些事物之间的某种特定关系，用点代表事物，用连接两点的线表示相应两个事物间具有这种关系。 例如：四色猜想、格尼斯宝七桥问题、拓扑理论……

图的搜索是说在给定一些点，这些点之间存在某种关系，按照这种关系，构造成一个图。从一个起始点出发，把所有和这个点存在这种关系的点全部找出来的过程就是搜索。

BFS– 广度优先搜索

BFS在访问了起始顶点A之后,由A出发,依次访问A的各个未被访问过的邻接顶点B,D,…, C, 然后再顺序访问B,D, …, C 的所有还未被访问过的邻接顶点。再从这些访问过的顶点出发，再访问它们的所有还未被访问过的邻接顶点，…如此做下去，直到图中所有顶点都被访问到为止。广度优先搜索是一种分层的搜索过程,每向前走一步可能访问一批顶点。

BFS 的代码分析

void BFS(){
	int queue[N];//按照顺序储存被处理的点
	int parent[N];//记录被处理的点的父亲节点
	int top;
	int i, j, k;
	top = 0;
	queue[top++] = 初始点;
                parent[初始点] = -1;
	标记初始点;
	for(i = 0; i < top; i++){ //队列中还有未处理点
		j = 队列中下一个处理点;
		for(j的所有邻接点){
			if(该邻接点未被标记){
				queue[top++] = 邻接点;
                                                                 parent[邻接点] = j;
				标记该邻接点;
			}
		}
	}
	//此时队列中的点就是所有要找的点
}

BFS 的另一种应用

假设图的每条边的权值都是1，因为BFS是分层进行的，所以，从起点到达同一层点的路经距离应该是相同的，如果在图中标记一个起点和一个终点，从起点出发，用BFS逐层向终点靠近，那么当到达终点时，会形成一条路径，那么这条路径必定是这两点的最短路经。

BFS求最短路径

int BFS(){
       NODEqueue[N];
       int top;
       inti, j,k;
       top = 0;
        queue[top].ind = 初始点;
        queue[top++].level = 0;
       标记初始点;
       for(i = 0;i <top; i++){//队列中还有未处理点
   j = 队列中下一个处理点;
   for(j的所有邻接点){
          if(该邻接点为被标记){
   queue[top].ind = 邻接点;
                             queue[top++].level = queue[i].level + 1;
                              if(该邻接点== 终点)
                                     returnqueue[i].level + 1;
   标记该邻接点;
                       }
                }
       }
      return -1;
}

其中

typedefstruct{
        intind;
        int level;
} NODE;

DFS– 深度优先搜索

DFS 在访问图中某一起始顶点A后,由A出发,访问它的任一邻接顶点B;再从B出发,访问与B邻接但还没有访问过的顶点E;然后再从E出发,进行类似的访问,… 如此进行下去,直至到达所有的邻接顶点都被访问过的顶点G为止。接着,  退回一步,  退到前一次刚访问过的顶点,看是否还有其它没有被访问的邻接顶点。如果有,则访问此顶点,之后再从此顶点出发,进行与前述类似的访问;如果没有,就再退回一步进行搜索。重复上述过程,直到连通图中所有顶点都被访问过为止。

BFS 与 DFS 的比较

可以看到，广度优先搜索是按层次来搜索的，根据第一层遍历出第二层，当第二层全部被访问完之后，再处理第二层，由第二层访问到第三层，依次类推，直到处理完最后一层。

深度优先搜索是运用堆栈，从第一层的一个点，递归到第二层的一个点，再递归到第三层，到最后一层后，在回溯到上一层，然后从上一层递归到它的下一层的另一个点，直到它的所有点都被访问完，再回溯到上一层，依此类推，直到回溯到起点，这时所有的点都被访问完，最后形成一棵树的形状。

我们可以把BFS 形象地当作是水波的扩散,而DFS

则是顺藤摸瓜.

DFS 代码分析

void DFS( Point P ){
每次递归到一个点，则检查是否存在与它相邻，而且未被访问的点，有则递归访问这个点，无则返回上一层。
       inti;
       for(所有P的邻接点K){//每次递归到一个点，则检查是否存在与它相邻，而且未被访问的点，有则递归访问这个点，无则返回上一层。
                if(K未被访问){
                         标记K;
                         DFS(K);
                }
       }
}

DFS& BFS

这两种搜索方法除了可以用来遍历图以外，也常用来搜索各种状态，最常见的就是用来搜索最优值，或者搜索某种状态是否存在等等。

深度优先搜索的做法是：每递归到一层，则改变这一层的状态，之后递归到下一层，下一层同样改变它那一层的状态，递归到再下一层，当递归到最后一层时，每层的状态会形成一个最终的状态，我们需要将这个状态与得到的其他状态作比较，保留其中较优的一个。

当某一层的所有状态都被改变过一次后，回溯到上一层。每层都作类似的操作，最后所有的状态都会被搜索到，我们最后保留的较优值就是要求的最优值。

DFS代码分析

void DFS( int depth ){
   inti;
   if (depth > n){
       if (搜索到结果)  比较并记录;
       return;
   }
   else{
       for(所有状态)
            if (符合递归条件){
                    标记状态;
                    dfs(depth + 1 );
                    回溯;
            }
   }
}

可以看到，这样的搜索，时间复杂度是(a^n)的，a为每次的状态数，n为总的递归层数。

这个复杂度属于指数复杂度，当n比较大时，很荣易超时，所以，一般在n比较小的时候有深搜。

而且很多情况下需要剪枝。