【搜索算法】深度优先搜索遍历

深度优先，顾名思义是向纵深处遍历树或图，如下图所示：
遍历顺序为1–3–6–9–13–12–5–2–4–8–11–7–10
每次都看向树的右子树，当右子树全部看完后再回到树根向左看（回溯），因此采用堆栈的数据结构。

深度优先搜索遍历图

基本思想：深度优先搜索每次首先扩展最晚生成的节点分支，即搜索路线向“纵向”深入。每次搜索到分支的最深处时再使用回溯访问其它的分支。
因此，深度优先搜索使用了栈的数据结构。

算法描述：

• 把初始节点放入open表。
• 把open表的栈顶取出放入closed表。如果该节点可扩展，则将其子节点放入closed表。
• 如果节点的一个子节点是目标节点，则找到问题的解。

求最短路径

优化问题：

• 搜索深度

  在实际搜索中，如果搜索到一条没有解的无穷分支，则不可能得到解，因此设置搜索深度是必要的，当搜索深度到达了界限则换一个分支进行搜索。但是在这种情况下可能搜索到的不是最优解，还有可能找不到解。

• 剪枝

  使用深度优先寻找最短路径时，需要先把所有的可能路径找出来再作比较计算出最短路径。但是全部计算会大大增加搜索时间，因此，使用“剪枝”进行优化，即当前路径的长度小于当前最小路径长度时就放弃搜索当前分支，搜索其它分支。

python实现：

def DFS(start, end, depth_limit):
    open.append([start, 0])
    while len(open)>0:
        # open出栈
        currentNode = open.pop()
        closed_count += 1
        # closed表操作 把表中深度大于当前点的全部出栈，距离剪掉；然后当前点入栈
        if currentNode[1] in cou:
            count = currentNode[1]
            for j in range(len(cou)):
                if count==cou[j]:
                    loc = j
            for j in range(loc, len(cou)):
                tend = closed.pop()[0]
                tstart =  closed[len(closed)-1][0]
                dis -= getdis(tstart, tend, nodes)
        closed.append(currentNode)
        dis += getdis(closed[len(closed)-2][0], currentNode[0], nodes)
        # path
        if currentNode[0]==end:
            path = []
            for n in closed:
                path.append(n[0].id)
            if dis<min:
                min = dis
        # 进栈
        else :
            # 找出所有邻居，邻居不在closed表内且深度小于限制且路径长度小于当前最小路径长度则入栈
            for i in neighbour:
                if nodes[i] not in nod and currentNode[1]<depth_limit and dis<min:
                    open.append([nodes[i], currentNode[1]+1])