[图的搜索]3.图解深度优先搜索及其代码演示

CHICX1229

于 2024-05-28 16:11:31 发布

阅读量356

点赞数 4

分类专栏：数据结构与算法文章标签：深度优先算法

本文链接：https://blog.csdn.net/jhghuhbb/article/details/139262261

版权

数据结构与算法专栏收录该内容

15 篇文章 0 订阅

订阅专栏

深度优先搜索
深度优先搜索和广度优先搜索一样，都是对图进行搜索的算法，目的也都是从起点开始搜索直到到达指定顶点（终点）。深度优先搜索会沿着一条路径不断往下搜索直到不能再继续为止，然后再折返，开始搜索下一条候补路径。

图解：
01

A为起点，G为终点。一开始我们在起点A上。

02

将可以从A直达的三个顶点B、C、D设为下一步的候补顶点。

03

从候补顶点中选出一个顶点。优先选择最新成为候补的点，如果几个顶点同时成为候补，那么可以从中随意选择一个。

04

此处B、C、D同时成为候补，所以我们随机选择了最左边的顶点。

05

移动到选中的顶点B。此时我们在B上，所以B变为红色，同时将已经搜索过的顶点变为橙色。

06

将可以从B直达的两个顶点E和F设为候补顶点。

此时，最新成为候补顶点的是E和F，我们选择了左边的顶点E。

08

移动到选中的顶点E上。

09

将可以从E直达的顶点K设为候补顶点。

10

重复上述操作直到到达终点，或者所有顶点都被遍历为止。

11

这个示例的搜索顺序为A、B、E、K、F、C、H。

现在我们搜索到了顶点C。

13

到达终点G，搜索结束。

解说：
深度优先搜索的特征为沿着一条路径不断往下，进行深度搜索。虽然广度优先搜索和深度优先搜索在搜索顺序上有很大的差异，但是在操作步骤上却只有一点不同，那就是选择哪一个候补顶点作为下一个顶点的基准不同。
广度优先搜索选择的是最早成为候补的顶点，因为顶点离起点越近就越早成为候补，所以会从离起点近的地方开始按顺序搜索；而深度优先搜索选择的则是最新成为候补的顶点，所以会一路往下，沿着新发现的路径不断深入搜索。

演示：

1 递归实现dfs

def dfs(graph, start, visited=None):
    if visited is None:
        visited = set()  # 用集合来存储已经访问过的节点
    
    visited.add(start)  # 将当前节点标记为已访问
    
    print(start, end=' ')  # 输出当前访问的节点
    
    if start in graph:  # 检查当前节点是否在图中存在邻居节点
        for neighbor in graph[start]:  # 遍历当前节点的邻居节点
            if neighbor not in visited:  # 如果邻居节点未被访问过
                dfs(graph, neighbor, visited)  # 递归地对邻居节点进行深度优先搜索

# 示例图的邻接表表示
graph = {
    'A': ['B', 'C', 'D'],
    'B': ['E', 'F'],
    'C': ['H'],
    'D': ['I', 'J'],
    'E': ['K'],
    'H': ['G'],
    'J': ['L']
}

# 从节点'A'开始进行深度优先搜索
dfs(graph, 'A') 

结果
A B E K F C H G D I J L

2 栈实现dfs

def dfs_iterative(graph, start):
    visited = set()  # 用集合来存储已访问过的节点
    stack = [start]  # 使用列表模拟栈，起始时放入起始节点
    
    while stack:
        current_node = stack.pop()  # 弹出栈顶节点

        
        if current_node not in visited:
            visited.add(current_node)  # 将当前节点标记为已访问
            print(current_node, end=' ')  # 输出当前访问的节点

            if current_node in graph:  # 检查当前节点是否在图中存在邻居节点
                for neighbor in graph[current_node]:  # 遍历当前节点的邻居节点
                    if neighbor not in visited:  # 如果邻居节点未被访问过
                        stack.append(neighbor)  # 将邻居节点压入栈中以供后续访问
    
# 示例图的邻接表表示
graph = {
    'A': ['B', 'C', 'D'],
    'B': ['E', 'F'],
    'C': ['H'],
    'D': ['I', 'J'],
    'E': ['K'],
    'H': ['G'],
    'J': ['L']
}

# 从节点'A'开始进行深度优先搜索（迭代实现）
dfs_iterative(graph, 'A')


结果
A D J L I C H G B F E K

———————————————————————————————————————————

文章来源:书籍《我的第一本算法书》

书籍链接:

我的第一本算法书 (豆瓣) (douban.com)

作者：宫崎修一石田保辉

出版社：人民邮电出版社

ISBN：9787115495242

本篇文章仅用于学习和研究目的，不会用于任何商业用途。引用书籍《我的第一本算法书》的内容旨在分享知识和启发思考，尊重原著作者宫崎修一和石田保辉的知识产权。如有侵权或者版权纠纷，请及时联系作者。
———————————————————————————————————————————