深度优先(DFS)与广度优先(BFS)附Python代码与具体应用

深度优先搜索（DFS）和广度优先搜索（BFS）是两种常用的图搜索算法，用于在图或树等数据结构中查找特定节点或遍历整个结构。它们在解决许多问题时都非常有用，包括路径查找、连通性检测和图形遍历等。

深度优先搜索（DFS）：

• 工作原理： 在深度优先搜索中，我们从起始节点开始沿着一条路径尽可能深地探索，直到到达最远的节点，然后返回并探索其他的分支。换句话说，DFS 会尽可能深地搜索当前路径，直到没有更多的未探索节点为止。

• 算法实现： 通常使用递归或栈来实现 DFS。递归的方法将在堆栈中维护当前路径，而非递归方法则需要使用显式的栈数据结构来跟踪节点。

• 特点： DFS 通常需要较少的内存空间，因为它只需要存储当前路径上的节点。但它可能会陷入无限循环，特别是在图中存在环路时。

• 应用： DFS 适用于寻找一条路径、深度优先遍历树或图，以及解决具有递归结构的问题。

• 时间复杂度： 在最坏情况下，DFS 需要遍历整个搜索空间，其时间复杂度取决于节点数量和边的数量。对于树来说，时间复杂度通常为 O(b^d) ，其中 b是每一层平均节点的数量，d 是树的层数。

• 空间复杂度： 在 DFS 中，需要存储当前路径上的节点，因此空间复杂度取决于树的深度。在最坏情况下，当搜索到树的最大深度时，空间复杂度为 O(bd)迭代或者O(d)递归，b是平均节点数目，其中 d 是树的深度((b-1)*d)->bd)。对于图，由于可能存在环路，空间复杂度可能更高，取决于搜索过程中所访问的节点数量。

• 以下是递归实现的实例代码：

  def dfs(node, visited):
      if node not in visited:
          visited.add(node)
          # 访问节点的邻居
          for neighbor in node.neighbors:
              dfs(neighbor, visited)
  
  # 定义节点类
  class Node:
      def __init__(self, val):
          self.val = val
          self.neighbors = []
  
  # 创建树的节点
  node1 = Node(1)
  node2 = Node(2)
  node3 = Node(3)
  
  # 构建树的连接关系
  node1.neighbors.append(node2)
  node1.neighbors.append(node3)
  node2.neighbors.append(node1)
  node3.neighbors.append(node1)
  
  # 初始化已访问节点集合
  visited = set()
  
  # 从根节点开始进行深度优先搜索
  dfs(node1, visited)
  
  print("深度优先搜索结果:", [node.val for node in visited])