【面试高频算法解析】算法练习5 深度优先搜索

worxfr

已于 2024-01-09 14:07:54 修改

阅读量912

点赞数 21

分类专栏：算法文章标签：算法面试深度优先 leetcode 职场和发展

于 2024-01-05 09:26:33 首次发布

本文链接：https://blog.csdn.net/sinat_41883985/article/details/135346914

版权

算法专栏收录该内容

8 篇文章 1 订阅

订阅专栏

前言

本专栏旨在通过分类学习算法，使您能够牢固掌握不同算法的理论要点。通过策略性地练习精选的经典题目，帮助您深度理解每种算法，避免出现刷了很多算法题，还是一知半解的状态

专栏导航

算法解析

深度优先搜索（Depth-First Search，简称 DFS）是一种用于遍历或搜索树、图结构的算法。与广度优先搜索不同，深度优先搜索会尽可能深地遍历图的分支，直到到达末端，然后回溯到上一个分叉点，继续探索未被遍历的分支。

DFS 可以通过递归或栈数据结构来实现。递归实现的代码结构较为简洁，而非递归实现则使用栈来模拟递归过程。以下是 DFS 的基本步骤：

选择起点：从一个起点节点开始遍历。
访问节点：访问当前节点，并将其标记为已访问。
递归遍历邻居：对于当前节点的每一个未访问的邻居节点，递归地调用 DFS 方法。
回溯：在访问完当前节点的所有邻居后，回溯到上一个节点，继续执行步骤3。
重复：重复上述步骤，直到所有从起点可达的节点都被访问。

DFS 的特点是优先沿着一条路径深入探索，直到尽头后再回溯。这种特性使得 DFS 不仅适用于求解路径问题，还常用于拓扑排序、连通性检测、求解迷宫等问题。

以下是一个使用递归实现 DFS 的 Python 示例：

def dfs(graph, node, visited):
    if node not in visited:
        print(node)  # 可以在这里处理节点
        visited.add(node)  # 将节点标记为已访问
        for neighbor in graph[node]:
            dfs(graph, neighbor, visited)  # 递归访问邻居节点

# 示例图
graph = {
    'A': ['B', 'C'],
    'B': ['A', 'D', 'E'],
    'C': ['A', 'F'],
    'D': ['B'],
    'E': ['B', 'F'],
    'F': ['C', 'E']
}

# 创建一个集合，用于存储已访问的节点
visited = set()

# 从节点 'A' 开始 DFS
dfs(graph, 'A', visited)