杂
- 考虑到初学者可能会对这两个算法一头雾水,本文尽可能做到精简概括两种搜索的特点。
- 两种算法在思想上都非常简单,在考虑思想的时候没必要过多的考虑代码实现来增加学习难度。
bfs
-
广度优先搜索,字面意思,广度优先,即对于当前位置,优先去寻找与其相邻的位置。(想象地板上的一团水,它会向四面八方扩散)。如下图
-
对问题抽象出状态(比如在迷宫中,当前所在位置就是一个状态)。为了方便一般用队列来维护状态,首先将初始状态加入队列,然后开始bfs,每次将队列中的第一个状态拿出作为当前状态,再将当前状态从队列中删掉,然后遍历当前状态的周围状态,将合法的加入队列。
-
当我们找到目标或者队列中没有状态的时候,算法结束。
-
打标记很重要,对于一个已经加入过队列的状态,一般情况下没必要加进去第二次,因此我们在入队的时候对入队的状态打上标记,被打过标记的状态不能进队。
bfs伪代码
queue<struct state>q;
q.push(first_state);
//do someting 如给初始状态打标记
while(!q.empty())
{
struct state now_state = q.front();//取队首
q.pop();//将刚取出来的状态删掉
for()//遍历周围状态
{
struct state new_state;//得到新状态
if(新状态合法&&未被标记)
{
标记新状态;
q.push(new_state);
}
}
}
在类似迷宫问题中,可用辅助数组xx={0,0,1,-1},yy={1,-1,0,0}来辅助遍历周围状态
状态形式较为复杂时如结构体:插入状态:q.push({元素1,元素2······})
bfs例题(简单模板题)
dfs
-
深度优先搜索:沿着某个“方向”一直走到不能再走为止,然后退回上个状态换个方向走,不断重复此过程,直到找到目标或者已经走完所有路径。
-
所谓深度,是以距离的“步数”衡量的。
-
如图,我们想找一条1到0的路径:
-
首先我们找到了路径1->2,不能继续走了,回到1。
-
找到了路径1->4,不能继续走了,回到1。
-
找到路径1->5->3,不能继续走了,回到5。
-
找到路径1->5->0,目标达成!
-
dfs的过程中打标记同时重要!走过的点我们对其打上标记,避免重复走。
dfs伪代码
void dfs(int u)//u位当前点
{
//do something 如判断边界,终止条件
//剪枝可添加至此处
for(遍历四周)
{
v//与u相邻的点
if(v没有走过)
{
打标记v已走过
dfs(v)
}
}
}
dfs的剪枝
-
剪枝就是优化策略,减少搜索的状态数。
-
最优性剪枝:如果到当前点的“距离”已经比我们当前找到的最优距离还差,就不必对寻找这个点所能到达的点了(不可能作为答案)
-
可行性剪枝:在当前点我们已经可以“预见”当前点的后继合法答案,不必对当前点dfs。
dfs例题(模板)
bfs与dfs对比
- bfs。优点:是一种完备的策略。缺点:盲目性强,一圈一圈的往外找,会有很多无用状态,占用空间大
- dfs:泛用性特别强!,占用空间相对小(保存的只有起点到当前点的一条路径)缺点:在没有剪枝的情况下效率很低,不过我们可以通过添加剪枝提高效率,可以看成剪枝使我们的程序在寻找答案的过程中盲目性降低。