深度优先搜索(DFS)详细介绍
1. 基本概念
- 树结构:在树结构中,DFS 从根节点开始,沿着每个分支深入直到到达叶子节点,然后回溯到上一个节点,继续对其他分支进行探索。
- 图结构:在图结构中,DFS 从一个起始节点开始,沿着每个边深入到达未访问的邻居节点,直到没有未访问的邻居节点,然后回溯。
2. 工作原理
深度优先搜索的工作原理可以分为以下几个步骤:
-
初始化:
- 初始化一个数据结构(栈或递归调用)来跟踪访问的节点。
- 初始化一个集合或标记来记录已访问的节点。
-
访问节点:
- 从起始节点开始,将其标记为已访问,并将其添加到数据结构中。
- 遍历该节点的所有邻居节点,对于每个未访问的邻居节点,递归调用 DFS 或将其压入栈中。
-
递归或栈操作:
- 递归方法:在每个节点的递归调用中,访问其所有未访问的邻居。
- 栈方法:使用栈来保存待访问的节点,逐个处理栈顶节点,将其所有未访问的邻居压入栈中。
-
回溯:
- 当当前节点的所有邻居都已访问时,回溯到前一个节点,继续处理其他未访问的邻居。
-
结束条件:
- 直到所有节点都被访问或者满足某种特定的条件(如找到目标节点)。
3. 算法步骤
以下是深度优先搜索的详细步骤:
-
输入:
- 一个图或树,通常以邻接表或邻接矩阵表示。
- 起始节点。
-
步骤:
- 初始化一个栈(或使用递归调用)和一个集合(或标记)来记录访问状态。
- 将起始节点压入栈中,并标记为已访问。
- 进入循环:
- 从栈中弹出一个节点(或在递归调用中处理当前节点)。
- 访问该节点并处理(例如打印节点值或执行某个操作)。
- 遍历该节点的所有邻居,如果某个邻居未被访问,则将其压入栈中(或递归调用)。
- 继续直到栈为空(或递归调用结束)。
-
结束条件:
- 如果所有节点都已访问,算法结束。
- 如果在某些情况下找到目标节点,可以提前结束。
4. 时间复杂度分析
-
时间复杂度:在图结构中,深度优先搜索的时间复杂度是 O(V + E),其中 V 是图中的节点数,E 是图中的边数。对于树结构,时间复杂度为 O(V),其中 V 是树中的节点数。
-
空间复杂度:
- 栈/递归调用:最坏情况下,栈的空间复杂度为 O(V),取决于树或图的深度。
- 已访问集合:需要额外的空间来存储已访问的节点,空间复杂度为 O(V)。
5. 实现代码
import java.util.*;
public class DepthFirstSearch {
// 使用栈实现的DFS
public static void dfsStack(Map<Integer, List<Integer>> graph, int start) {
Set<Integer> visited = new HashSet<>();
Stack<Integer> stack = new Stack<>();
stack.push(start);
while (!stack.isEmpty()) {
int node = stack.pop();
if (!visited.contains(node)) {
System.out.print(node + " ");
visited.add(node);
for (int neighbor : graph.get(node)) {
if (!visited.contains(neighbor)) {
stack.push(neighbor);
}
}
}
}
}
// 使用递归实现的DFS
public static void dfsRecursive(Map<Integer, List<Integer>> graph, int start, Set<Integer> visited) {
if (visited.contains(start)) return;
System.out.print(start + " ");
visited.add(start);
for (int neighbor : graph.get(start)) {
if (!visited.contains(neighbor)) {
dfsRecursive(graph, neighbor, visited);
}
}
}
public static void main(String[] args) {
// 图的邻接表表示
Map<Integer, List<Integer>> graph = new HashMap<>();
graph.put(1, Arrays.asList(2, 3));
graph.put(2, Arrays.asList(1, 4, 5));
graph.put(3, Arrays.asList(1, 6));
graph.put(4, Arrays.asList(2));
graph.put(5, Arrays.asList(2));
graph.put(6, Arrays.asList(3));
// 非递归实现的DFS
System.out.println("DFS (using stack):");
dfsStack(graph, 1);
// 递归实现的DFS
System.out.println("\nDFS (using recursion):");
Set<Integer> visited = new HashSet<>();
dfsRecursive(graph, 1, visited);
}
}
代码解读:
-
public static void dfsStack(Map<Integer, List<Integer>> graph, int start)
:- 使用栈实现深度优先搜索。
- 初始化一个栈和一个访问集合,将起始节点推入栈中。
- 循环处理栈中的节点,访问节点,标记为已访问,并将未访问的邻居节点推入栈中。
-
public static void dfsRecursive(Map<Integer, List<Integer>> graph, int start, Set<Integer> visited)
:- 使用递归实现深度优先搜索。
- 递归访问当前节点,标记为已访问,然后递归访问所有未访问的邻居节点。
-
public static void main(String[] args)
:- 初始化一个图的邻接表表示。
- 演示两种实现的深度优先搜索。
6. 实际应用
- 图遍历:深度优先搜索用于图遍历、图的连通分量检测、拓扑排序等任务。
- 路径查找:在图中查找路径、解决迷宫问题。
- 树结构:在树结构中查找节点、进行树的遍历(前序遍历、中序遍历、后序遍历)。
7. 局限性
- 可能会陷入深度过深的节点:在某些情况下,DFS 可能会在深度过深的节点中停留较长时间,尤其是在处理无限图时。
- 非最短路径:DFS 不一定找到最短路径,特别是在图中存在多个路径时。