dfs与bfs

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）

• P1506 拯救oibh总部（入门）
• P1443 马的遍历状态增加一个元素：当前步数
• P1135 奇怪的电梯，越早入队，步骤数越少

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）

• 以dfs的方式遍历一棵树（入门）。
• P1036 [NOIP2002 普及组] 选数
• P1605 迷宫
• P1019 [NOIP2000 提高组] 单词接龙 ：难度略高，巧妙建立搜索状态

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。