一文搞懂BFS与DFS

在上一篇中我们学习了数据结构中的图，以及对图进行的动态操作，本章我们将会介绍图非常重要的算法BFS与DFS
对于图的遍历，结果相同，区别在于遍历的策略（节点的访问顺序）

广度优先搜索（BFS）:策略：越早被访问的节点，其邻居越早被选用。

简单来说，就是一个节点被访问后，会优先遍历这个节点的邻居。
直观点，就是围绕初节点，一层一层的遍历，和二叉树中的层次遍历也是BFS。
时间复杂度：首先对所有节点和边复位需要O(n+e),枚举每个节点需要O(n)，所以，最终时间复杂度需要O(n+e)。
应用场景：考虑全局的节点，比如最短路径。
由于迭代先进先出的顺序非常适合BFS，所以这里我们使用队列来暂时保存节点。

图片来自数据结构（C++语言版）邓俊辉编著
代码如下：

template<typename Tv, typename Te>
void bfs(int start){
	reset();  // 重置图
	int v = start; int clock = 0;
	do{
		if(UNDISCOVERED == status(v)){
			BFS(v, clock);
		}
	}while(s != (v = (++v % n)));
}
template<typename Tv, template Te>
void BFS(int v, int clock){
	Queue<int> Q;
	status(v) = DISCOVERED;
	Q.enqueue(v);  // 最初节点入列
	while(!Q.empty()){
		v = Q.dequeue; dTime(v) = ++clock;
		int u = firstNbr(v);
		while(u > -1){
			Q.enqueue(u);  // 将与v相连的节点入列，并更新节点的状态信息
			status(u) = DISCOVERED;
			partent(u) = v; 
			u = nextNbr(v, u);  // 更新相连节点
		}
	}
}

对于clock的解释，我们会在后面统一解释

DFS：深度优先搜索：策略：以一个节点开始，沿一条线深入遍历，当到终点时，回到上一个节点，遍历其他兄弟节点，很像二叉树的后序遍历。

举个例子：一个人走迷宫，从起点开始，随便选一条路深入，在每个岔路口都随机选一条路深入，当遇到死胡同时，向后退，到上一个岔路口，选下一条路。
例子：求二叉树的深度，对每一个节点，可使用DFS思想。
实现：以迭代的形式实现，引入一个辅助栈。

代码如下：与上面的BFS十分相似

template<typename Tv, typename Te>
void dfs(int start){
	reset();
	int v = start;
	int clock = 0;
	do{
	if(UNDISCOVERED == status(v))
		DFS(v, clock);
	}while(s != (v = (++v % n)))
}

template<typename Tv, typename Te>
void DFS(int v, int clock){
	Stack<int> S;
	status(v) = DISCOVERED;
	S.push(v);
	while(!S.empty()){
		v = S.pop();
		for(int u = firstNbr(v); u > -1; u = nextNbr(v, u)){
			status(u) = DISCOVERED; dTime(u) = clock++;
			S.push(u); partent(u) = v;
		}
	}
}

比较下，DFS与BFS实现是相同的，只不过一个用的是栈，一个用的是队列。
在本章中，对于参数，只修改了状态，至于边，可自行实现下。

到这里，相信各位小伙伴对于，DFS和BFS算法都有了一定的了解，这里希望各位小伙伴可以自行由策略自行实现下。

这里补充下，clock的作用：clock主要是用来表现这个节点的生命周期，比如叶子节点，它的生命周期只有1，而它的父节点则是2。这个的主要作用是在边的状态的确定上。对此想要深入了解的，可去看邓公的数据结构课程。