图与搜索 Graph&Search

图的介绍

图是节点集合的一个拓扑结构，节点之间通过边相连。图分为有向图和无向图。有向图的边具有指向性，即A－B仅表示由A到B的路径，但并不意味着B可以连到A。与之对应地，无向图的每条边都表示一条双向路径。
可称为：DAG Directed acyclic graph
图的表达方式

宽度优先搜索——BFS（Breadth First Search）

BFS(G, s)
For each vertex u exept s
	Do Color[u] = WHITE
		Distance[u] = MAX
		Parent[u] = NIL
Color[s] = GRAY
Distance[s] = 0
Parent[s] = NIL
Enqueue(Q, s)
While Q not empty
	Do u = Dequeue(Q)
		For each v is the neighbor of u
			Do if Color[v] == WHITE
				Color[v] = GRAY
				Distance[v] = Distance[u] + 1
				Parent[v] = u
				Enqueue(Q, v)
			Color[u] = BLACK

BFS特点
搜索所有可以到达的状态，转移顺序为『初始状态->只需一次转移就可到达的所有状态->只需两次转移就可到达的所有状态->…』，所以对于同一个状态，BFS 只搜索一次
BFS 通常配合队列一起使用，搜索时先将状态加入到队列中，然后从队列顶端不断取出状态，再把从该状态可转移到的状态中尚未访问过的部分加入队列，知道队列为空或已找到解。因此 BFS 适合用于『由近及远』的搜索，比较适合用于求解最短路径、最少操作之类的问题。

深度优先

DFS(G)
For each vertex v in G
	Do Color[v] = WHITE
	Parent[v] = NIL
For each vertex v in G
	DFS_Visit(v)

DFS_Visit(u)
Color[u] = GRAY
For each v is the neighbor of u
	If Color[v] == WHITE
		Parent[v] = u
		DFS_Visit(v)
Color[u] = BLACK

回溯

DFS 通常从某个状态开始，根据特定的规则转移状态，直至无法转移(节点为空)，然后回退到之前一步状态，继续按照指定规则转移状态，直⾄至遍历完所有状态

回溯法包含了多类问题，模板类似。
排列组合模板->搜索问题(是否要排序，哪些情况要跳过)
使用回溯法的一般步骤：
确定所给问题的解空间：⾸首先应明确定义问题的解空间，解空间中至少包含问题的一个解。
确定结点的扩展搜索规则以深度优先方式搜索解空间，并在搜索过程中用剪枝函数避免无效搜索。

模式识别

⽤用Backtracking( Top-Down )解决发散结构问题
对于发散性问题(例如“所有组合”，“全部解”)，可以选取其问题空间“收敛”的一端作为起点，沿着节点发散的方向(或者说，当前节点的多种选择)进行递归，直到a.当前节点“不合法” 或 b.当前节点发散方向搜索完毕，才会return。
如果需要记录决策的路径，可以用vector<int> &path沿着搜索的方向记录，在满足胜利条件时记录当前path(通常是将path存入vector<vector<int>> &paths)。
Backtracking的典型模板c

void backtracking( P node, vector<P> &path, vector<vector<P> >&paths ){
   
	if(!node ) // invalid node
		return;
	
	path.push_back(node);
	
	bool success = ; // condition for success
	if( success )
		paths.push_back( vector<P>(path.begin(),path.end()) ); // don't return here
	
	for( P next: all directions )
		backtracking