数据结构之深度优先搜索

深度优先搜索（Depth-First Search, DFS）是一种用于遍历或搜索树或图的算法。这个算法会尽可能深地搜索树的分支。当节点v的所在边都已被探寻过，搜索将回溯到发现节点v的那条边的起始节点。这个过程一直进行到已发现从源节点可达的所有节点为止。如果还存在未被发现的节点，则选择其中一个作为源节点并重复以上过程，整个进程反复进行直到所有节点都被访问为止。

DFS 的基本思想

1、选择：从某个顶点v出发，选择一条从v出发的未探索的边。
2、标记：标记这条边为已探索，并沿着这条边移动到下一个顶点。
3、归：继续深度优先搜索，直到当前顶点v的所有边都已探索完毕。
4、回溯：如果顶点v的所有边都已探索完毕，回溯到v的前一个顶点，并尝试v的其他未探索的边。

DFS 的应用

1、图的遍历：可以用来遍历或搜索图中的所有顶点。
2、解决迷宫问题：寻找从起点到终点的路径。
3、拓扑排序：在有向无环图（DAG）中，对所有顶点进行线性排序，使得对于任何从顶点u到顶点v的有向边，u在排序中都出现在v的前面。
4、检测环：在图中检测是否存在环。

DFS 的实现

DFS 可以通过递归或栈（显式或隐式）来实现。以下是使用递归方式实现DFS的基本伪代码：

def DFS(visited, graph, node):
    if node not in visited:
        print(node)
        visited.add(node)
        for neighbour in graph[node]:
            DFS(visited, graph, neighbour)

# 示例图，以邻接表形式表示
graph = {
    'A': ['B', 'C'],
    'B': ['D', 'E'],
    'C': ['F'],
    'D': [],
    'E': ['F'],
    'F': []
}

visited = set()
DFS(visited, graph, 'A')

在这个示例中，我们从节点’A’开始进行深度优先搜索。visited集合用于跟踪已经访问过的节点，以防止重复访问和陷入无限循环。graph是一个以邻接表形式表示的图。

注意事项

当图不是连通图时，需要选择多个未访问的顶点作为起始点进行DFS，以确保所有顶点都被访问到。
DFS可能会因为图的结构而访问到同一顶点多次（尤其是在有环的图中），但每个顶点在visited集合中只会被记录一次。
DFS的时间复杂度依赖于图的结构和实现的具体细节，但通常是O(V + E)，其中V是顶点的数量，E是边的数量。