基于搜索的路径规划算法：什么是深度优先算法？什么是广度优先算法？

雨辰0_0

已于 2024-09-14 08:01:46 修改

阅读量573

点赞数 14

分类专栏：路径规划文章标签：算法深度优先图搜索算法广度优先迭代加深学习数据结构

于 2024-09-13 22:30:33 首次发布

本文链接：https://blog.csdn.net/huang1900237678/article/details/142220482

版权

路径规划专栏收录该内容

2 篇文章 0 订阅

订阅专栏

小手一挥，来个赞吧！！！

依旧希望对你有帮助。

通俗理解基于搜索的路径规划算法

基于搜索的路径规划算法通常运用在基于栅格地图中，寻找路径的方式是通过一个一个节点的搜索。

可以将其理解为洪水，由根节点向四周不断遍历，直到遍历到目标点。当然随着路径规划算法的不断发展，已实现“洪水”可以向着目标的大致方向流动，而不是简单粗暴的向着四周全方位流动，大大减轻了算力资源的浪费，提高了算法质量。下图便是目标(星型)向着目标(差型)搜索过程

根据搜索方法的不同，又将搜索类算法分为了深度优先算法和广度优先算法。

深度优先算法概念

虽然文字一般不是很招人喜欢，但还是要贴出来的，以便于我们深入理解。

深度优先搜索算法（Depth-First Search，简称DFS）是一种用于遍历或搜索树或图的算法。DFS的核心思想是沿着树或图的深度遍历节点，尽可能深地搜索分支，直到这个分支结束，然后回溯到上一个分叉点，继续探索下一个分支。这个过程一直进行到已发现从源节点可达的所有节点为止。如果还存在未被发现的节点，则选择其中一个作为源节点并重复以上过程，整个进程反复进行直到所有节点都被访问为止。

DFS的实现通常有两种方式：递归和非递归（使用栈）。

递归实现：从根节点（或任意选择的起始节点）开始，递归地访问其子节点，直到达到叶节点或无子节点的节点，然后回溯到父节点，继续访问其他未访问过的子节点。

非递归实现：使用栈来模拟递归过程。将起始节点压入栈中，然后不断从栈顶弹出节点并访问，同时将其未访问过的子节点压入栈中。当栈为空时，遍历结束。
算法应用与特点

适用场景：

DFS适用于节点子节点数量不多，且树的层次不会太深的情况。它特别适用于需要找到从起点到终点的所有路径、检测图中的环或连通性等问题。

空间效率：

与广度优先搜索（BFS）相比，DFS在空间上通常更加高效，因为它不需要存储所有可能的节点组合。

完整性与最优性：

DFS能够确保遍历到图中的所有节点（如果图是连通的），但它不一定能找到最优解（如最短路径），因为它是按照深度优先的原则进行搜索的。

深度优先算法图文结合讲法：一条路走到黑

深度优先搜索算法是一种强大的搜索策略，简单来说就是一条路走到黑，发现不行，再反向搜索父节点跟换分支搜索。下图就可以很好地表示出来：

如图假设0为起点，6为终点，以下就是深度优先算法的步骤：

1.一条支路走到黑：0->1->3

2.发现走不通，反向找到父节点1，跟换到支路，搜索4

3.再次不行，进一步找到父节点0，跟换到支路，搜索2

4.同理便找到了目标6

因此最终路线是0->2->5->6，显而易见，这不是最优路径，所以深度优先算法存在不一定找到最优路径的问题。深度的深就在于此。

广度优先算法概念

广度优先搜索算法（Breadth-First Search，简称BFS）是一种用于遍历或搜索树或图的算法。与深度优先搜索（DFS）不同，BFS按照“广度”进行搜索，即先访问离起始节点近的节点，再访问离起始节点远的节点。BFS的核心思想是从起始节点开始，逐层访问其相邻节点，直到访问到目标节点或遍历完整个图。在访问过程中，使用队列数据结构来保存待访问的节点，确保按照广度优先的顺序进行访问。

算法实现方法

BFS的实现主要依赖队列（Queue）数据结构。具体步骤如下：

         1.创建一个空队列，并将起始节点入队。
        2.标记起始节点为已访问。
        3.进入循环，直到队列为空：
        4.从队列头部取出一个节点，并访问该节点。
        5.检查该节点的所有相邻节点，如果相邻节点未被访问过，则将其标记为已访问，并入队。
        6.当队列为空时，遍历结束。
        3. 算法应用与特点