浅谈搜索

搜索作为最基础的算法之一是十分重要的，虽然思想简单但是使用得当后效果也会非常好。本文就从搜索的基础来讲（无图，语言混乱求轻喷）。

什么是搜索？

  简单地理解就是通过暴力计算，枚举后去找到正确答案，比如1到10有几个奇数这个问题，从搜索的角度来考虑就是一个循环1到10每个判断一下是不是奇数，然后得出结果（也许此处比喻有点问题，但总体意思差不多）。遇到一些复杂问题时，如果不考虑时间复杂度的情况下，搜索总是奏效的。

搜索的不同种类

  DFS：深度优先搜索  

   和字面一样，这种搜索方法以深度为优先，当搜索情况出现问题时就回溯，也就是说在状态改变时会从当前状态直接改变，而不是存储下当前状态以便之后搜索（也就是之后的BFS），这么说可能比较抽象，举一道经典的例子。

    数字三角形：https://www.luogu.org/problemnew/show/P1216

    尽管这是一道动态规划的经典例题，但在解释搜索时及其好用。
   5
   7
   3 8
   8 1 0
   2 7 4 4
  4 5 2 6 5 

  假设搜索顺序先左后右的话， 我们首先从最顶端的7往下搜索，接着搜到3，再从3往下搜，这样的话就会先搜到最后一排最左边的4，此时数字相加得到一个结果，这之后因为4下面没有数字了，便回溯到上面的2接着往5搜索，最后我们便能搜遍这里面搜有的路径可能， 从而找出最大的和。

   给出DFS的伪代码：

dfs(int i)
{
  int j;
  for(j=1;j<=maxj;j++) 
     if(新结点符合条件)
       {
        记录新结点;
        if(到目标结点)  输出;
        else dfs(i+1);
        删除结点;
       }
   return 0;
}

   BFS：广度优先搜索

    广搜解释起来就比较轻松了（因为ywd上课讲了一个非常生动的例子），就是讲有些国家有几百个王子，那么我们假设国王就是最上面一代，那国王的第一继承人就是他的大儿子，而第二继承人就是他的二儿子（注意，第二继承人并不是他的大儿子的大儿子而是他大儿子的大弟弟），那假如国王所有儿子都安排上了，那接下来就轮到大儿子的大儿子了，广搜基本就是这样一个思路，同样举一道经典的例子。

     八数码：https://www.luogu.org/problemnew/show/P1379

     这题主要思想就是移动空位而不是有数字的位置，然后记录下不同的状态，然后按照上面说的顺序一步步往下搜（从状态0生出状态1,2,3，然后状态1生出状态4，5，6，但接着从状态2接着生），因为没有遗漏任何一种情况，所以得出的一定是最优解，事实上广搜通常也用来找最优解。

     不过如果大家如果玩过windows7里面有个小工具有个拼图板，有一种最简单的图片就是十五数码，也就是4*4的，你们可能就会知道这个东西的策略。我一般是先弄1,2，然后把3弄在4的位置上，4弄在8的位置上，这样就能先弄出1,2,3,4，接着弄好5，然后把9弄在13的位置上，13弄在14位置上，这样竖着的1,5,9,13也弄好了，剩下就转变成了八数码，也可以用这个策略解决。不过韩神在英语听说课上曾经花了5分钟研究这个事情，他是这样说的，15数码有解的条件是讲各位上的数字排成一列，逆序对个数为偶数（逆序对为ai>aj,i<j），而最终的目标是逆序对为0，那解决方法是通过%￥&*（这里开始我没看懂，视觉效果就是韩神一直在让数字转圈，然后就弄出来了）。

      给出广搜的伪代码：

bfs()
{
  建立数据库;
  初始状态入队;
  head=0;tail=1;（首尾指针）
  do{head++;//队首扩展
  for(i=1;i<=imax;i++)
    if(新结点符合条件)
      {
       tail++;
       新结点入队;
       if(新结点与原有结点重复)  tail--;
       else if(新结点是目标结点)  输出并退出;}
     }while(head<tail);
   输出无解;
 }

搜索的技巧

深搜剪枝

最优化剪枝//可行性剪枝

     还是上面深搜的那道题，假如它求的是路径之和最小，那么我们可以记录下当前最小的路径之和，然后在搜索时对比，若大于路径之后就回溯，这是最优化剪枝。可行性剪枝也类似，判断是否能达成目标，不能就回溯。

记忆化搜索

      顾名思义，将状态记住，例如我们假如用搜索求斐波那契数列的第10000项（虽然很蠢），fib(n+2)=fib(n+1)+fib(n)，这样同一个函数可能运算多遍，但计算一次后记住结果就可明显提升速度。

玄学剪枝：这个假如搜索用多了，自然会懂的。

广搜优化

启发式搜索

   假如你做八数码这个题不用任何优化技巧，基本跑的不会很快，启发式搜索类似人的思维，即优先运算与目标结点“看起来近”的，用一个估值函数来判断这个相似度（通常包括深度，相似度等），不过看起来近未必就真的近，所以启发式搜索有可能找到的不是最优解，不过这个东西类似spfa，没人针对你的时候跑的飞快，用了启发式搜索，十五数码随便跑。

哈希判重

    但不用启发式搜索八数码也能解决，我就用的是一个八维数组（九维空间不够，八维足够推出剩下一个数的位置，大佬轻喷，我当时真的不知道什么康托展开），这种方式能减少重复情况的出现来提升计算速度。

双向广搜

     具体思路是从目标状态和初始状态同时开始搜，如果状态有重合，那么就结束。如果画两棵搜索树，就能很直观地看到它的优点。

其他优化（仅供了解）

结合数据结构

模拟退火（可以了解下这题）：https://www.luogu.org/problemnew/show/P3959

迭代加深搜索

如何练习搜索：找数据量较小的动态规划题（光速逃）