深度优先搜索和广度优先搜索

一，深度优先搜索

基本思路：

深度优先遍历图的方法是，从图中某顶点v出发：

（1）访问顶点v；

（2）依次从v的未被访问的邻接点出发，对图进行深度优先遍历；直至图中和v有路径相通的顶点都被访问；

（3）若此时图中尚有顶点未被访问，则从一个未被访问的顶点出发，重新进行深度优先遍历，直到图中所有顶点均被访问过为止。

举例：

给出如图3-1所示的图，求图中的V0出发，是否存在一条路径长度为4的搜索路径。

 

图3-1

显然，我们知道是有这样一个解的：V0->V3->V5->V6。

处理过程

 

深度优先搜索用一个数组存放产生的所有状态。

（1） 把初始状态放入数组中，设为当前状态；

（2） 扩展当前的状态，产生一个新的状态放入数组中，同时把新产生的状态设为当前状态；

（3） 判断当前状态是否和前面的重复，如果重复则回到上一个状态，产生它的另一状态；

（4） 判断当前状态是否为目标状态，如果是目标，则找到一个解答，结束算法。

（5） 如果数组为空，说明无解。

void dfs(int x)
{
    visited[x]=true;
    //标记x被访问
    for(int i=0;i<g[x].size();i++)
        if(!visited[i])
            dfs(i);
    遍历x的相邻结点，若没被访问则从这个结点开始深搜遍历
}

int main()
{
    for(int i=1;i<=MAXN;i++)
        g[i].clear();
    memset(visited,0,sizeof(visited));
    //初始化清空g和visited数组
    for(int i=1;i<=MAXN;i++)
        if(!visited[i])
            dfs(i);
    //多个图深搜遍历
}

二，广度优先搜索

其别名又叫BFS，属于一种盲目搜寻法，目的是系统地展开并检查图中的所有节点，以找寻结果。换句话说，它并不考虑结果的可能位置，彻底地搜索整张图，直到找到结果为止。

算法首先搜索和s距离为k的所有顶点，然后再去搜索和S距离为k+l的其他顶点。

基本思路：

广度优先搜索使用队列（queue）来实现，整个过程也可以看做一个倒立的树形：

1、把根节点放到队列的末尾。

2、每次从队列的头部取出一个元素，查看这个元素所有的下一级元素，把它们放到队列的末尾。并把这个元素记为它下一级元素的前驱。

3、找到所要找的元素时结束程序。

4、如果遍历整个树还没有找到，结束程序。

实际的应用：

BFS在求解最短路径或者最短步数上有很多的应用。

应用最多的是在走迷宫上

具体的举例：

我们采用示例图来说明这个过程，在搜索的过程中，初始所有节点是白色（代表了所有点都还没开始搜索），把起点V0标志成灰色（表示即将辐射V0），下一步搜索的时候，我们把所有的灰色节点访问一次，然后将其变成黑色（表示已经被辐射过了），进而再将他们所能到达的节点标志成灰色（因为那些节点是下一步搜索的目标点了），但是这里有个判断，就像刚刚的例子，当访问到V1节点的时候，它的下一个节点应该是V0和V4，但是V0已经在前面被染成黑色了，所以不会将它染灰色。这样持续下去，直到目标节点V6被染灰色，说明了下一步就到终点了，没必要再搜索（染色）其他节点了，此时可以结束搜索了，整个搜索就结束了。然后根据搜索过程，反过来把最短路径找出来，图3-1中把最终路径上的节点标志成绿色。

整个过程的实例图如图3-1所示。

初始全部都是白色（未访问）

即将搜索起点V0（灰色）

已搜索V0，即将搜索V1、V2、V3

……终点V6被染灰色，终止

找到最短路径

图3-1 寻找V0到V6的过程

3.2.广度优先搜索流程图

 

图3-2 广度优先搜索的流程图

void bfs()
{
    visited[1]=1;//初始结点1进入队列
    q.push(1);
    while(!q.empty())//队列为空时结束遍历
    {
        int t=q.front();
        q.pop();
    //寻找队头元素的相邻结点并弹出对头元素
        for(int i=0;i<g[t].size();i++)
            if(!visited[i])
            {
                q.push(i);
                visited[i]=1;
            //访问相邻结点并使之入队
            }
    }
}