【数据结构与算法学习】图的深度优先遍历（DFS算法）

一、什么是图的遍历

图的遍历，指的是从图中的任一顶点出发，对图中的所有顶点访问一次且只访问一次。图的遍历操作和树的遍历操作功能相似。图的遍历是图的一种基本操作，图的许多其它操作都是建立在遍历操作的基础之上。

二、深度优先遍历（DFS）的基本思想

深度优先遍历（death first search）即DFS，从初始结点出发，初始结点可能会有多个邻接结点，访问完初始结点后，将其标记为已访问，再任意选择一个未被访问的邻接结点，然后再以这个被选择的邻接结点作为初始结点，再任意选择它的下一个未被访问邻接结点，以此类推。大概可以先理解为：每次都在访问完当前结点后首先访问的是未被访问的邻接结点，并任意选择一个邻接结点视为初始结点，继续遍历下去。

想必在这时候，很多小伙伴已经发现问题了。当下一个结点的全部邻接结点都已经被访问过了，该怎么继续遍历下去呢？🤫哈哈，先不用着急！继续往下看吧！

三、深度优先遍历（DFS）的步骤详解

通常dfs选择未被遍历的邻接结点是任意的，在这里的选择原则是利用邻接矩阵按照结点的顺序[A,B,C,D,E]选择邻接结点。

算法步骤：

1. 访问初始结点v，并标记结点v为已访问
2. 查找结点v的第一个邻接结点w
3. 若w存在，且w未被访问则继续执行4；若w存在，且w被访问则继续执行5；如果w不存在，则返回第1步，将从v的下一个邻接结点继续🤫
4. 对w进行深度优先遍历递归（即将w视为初始结点v，进行123的步骤）
5. 查找结点v的邻接结点w的下一个邻接结点（即寻找v的第二个邻接结点，第一个已经被访问了），转到步骤3

四、深度优先遍历（DFS）的代码实现

（在图的遍历过程中，图是以邻接矩阵的形式呈现的，所以在邻接矩阵上进行遍历）
遍历过程的详解：

1. 访问初始结点A，标记A为已访问 isVisited[0] = true，视线放在邻接矩阵的第一行，A存在邻接结点，A的第一个邻接结点是B，显然B是没有被遍历的，B为第一个邻接结点，B成为初始结点。
2. 访问初始结点B，标记B为已访问 isVisited[1] = true，视线放在邻接矩阵的第二行，B存在邻接结点，B的第一个邻接结点是A，由1知A是已被遍历的；退回到B，继续判断它的第二个邻接结点，B的第二个邻接结点是D，显然D是没有被遍历的，D成为初始结点。
3. 访问初始结点D，标记D为已访问 isVisited[3] = true，视线放在邻接矩阵的第四行，D存在邻接结点，D的第一个邻接结点是A，由1知A是已被遍历的；退回到D，继续判断它的第二个邻接结点，D的第二个邻接结点是B，由2知B是已被遍历的；退回到D，继续判断它的第三个邻接结点，D的第三个邻接结点是C，显然C是没有被遍历的，C成为初始结点。
4. 访问初始结点C，标记C为已访问 isVisited[2] = true，视线放在邻接矩阵的第三行，C存在邻接结点，D的第一邻接结点是A，由1知A是已被遍历的；退回到C，继续判断它的第二邻接结点，C的第二个邻接结点是D，由3知D是已被遍历的；退回到C，继续判断它的第三个邻接结点，C的第三个邻接结点时E，显然E是没有被遍历的，E成为初始结点。
5. 访问初始结点E，标记E为已访问 isVisited[4] = true，视线放在邻接矩阵的第五行，E存在邻接结点，E的第一个邻接结点是C，由4知C是已被遍历的；退回到E，继续判断它的第二个邻接结点，E的第二个邻接结点是D，由3知D是已被遍历的；退回到E，发现E的邻接结点已经全被访问过了，然后就退回C-D-B-A继续寻找是否还有未遍历的邻接结点（回溯）。

package com.datou.graph;

import java.util.ArrayList;
import java.util.Arrays;

/**
 * @author datou
 * @data 2020/8/11 - 18:01
 * @target 图的表示
 * 要求：输入结点及结点数，各个边的连接情况，输出邻接矩阵
 */
public class Graph {
   
    //结点
    private ArrayList<String> nodeList;
    //邻接矩阵
    private int[][