DFS之搜索顺序
定义
DFS之搜索顺序是指在执行深度优先搜索时,遍历图或树中节点的策略。具体而言,DFS会沿着一条路径深入到底,当无法继续深入时回溯,然后选择另一条未探索的路径继续深入。搜索顺序直接影响到搜索效率和剪枝的可能性,合理的顺序可以减少搜索空间,加速找到解的过程。
运用情况
- 路径查找:如寻找图中的最短路径或特定路径。
- 图的遍历:全面探索图的所有节点,常用于判断连通性、强连通分量等。
- 回溯问题:如八皇后、生成括号组合等,DFS自然地支持解决方案的生成与回溯。
- 游戏策略:如解决迷宫问题、井字游戏的胜利条件检查等。
- 树的遍历:前序、中序、后序遍历等,虽然是树的特例,但也是DFS的应用。
注意事项
- 避免循环:通过标记已访问节点来避免重复访问,防止无限循环。
- 剪枝:合理安排搜索顺序,尽早排除不可能产生解的分支,减少无效计算。
- 栈的使用:DFS通常与栈数据结构紧密相关,需注意栈的大小限制,避免栈溢出。
- 记忆化:对于有重叠子问题的情形,可以使用记忆化技术存储中间结果,避免重复计算。
- 起始节点选择:在多源或多连通分量的场景下,需要从每个未访问的节点开始执行DFS。
解题思路
- 初始化:标记所有节点为未访问,设置起始节点。
- 选择路径:从起始节点出发,选择一个未访问的邻接节点作为下一步探索的目标。
- 递归/迭代深入:递归或使用栈模拟递归,深入探索选定的路径,同时标记访问过的节点。
- 回溯:当路径无法继续深入时,返回上一层节点,尝试探索该节点的其他未访问邻居。
- 结束条件:当所有可达节点都被访问过,或找到所需的解时,DFS结束。
- 优化:根据问题特性设计搜索顺序,比如在某些问题中按某种排序规则访问邻接点可以减少搜索空间。
AcWing 1116. 马走日
题目描述
运行代码
#include <cstring>
#include <iostream>
#include <algorithm>
using namespace std;
const int N = 10;
int n, m;
bool st[N][N];
int ans;
int dx[8] = {-2, -1, 1, 2, 2, 1, -1, -2};
int dy[8] = {1, 2, 2, 1, -1, -2, -2, -1};
void dfs(int x, int y, int cnt)
{
if (cnt == n * m)
{
ans ++ ;
return;
}
st[x][y] = true;
for (int i = 0; i < 8; i ++ )
{
int a = x + dx[i], b = y + dy[i];
if (a < 0 || a >= n || b < 0 || b >= m) continue;
if (st[a][b]) continue;
dfs(a, b, cnt + 1);
}
st[x][y] = false;
}
int main()
{
int T;
scanf("%d", &T);
while (T -- )
{
int x, y;
scanf("%d%d%d%d", &n, &m, &x, &y);
memset(st, 0, sizeof st);
ans = 0;
dfs(x, y, 1);
printf("%d\n", ans);
}
return 0;
}
代码思路
-
定义变量:
n
和m
分别代表网格的行数和列数。st[N][N]
是一个布尔型数组,用来标记每个网格格子是否已被访问过。ans
记录可行的方案数。dx[]
和dy[]
分别存储了马在八个可能移动方向上的横纵坐标变化值。
-
主函数main():
- 首先读取测试用例数量
T
。 - 然后对于每一个测试用例:
- 读取网格大小
n
和m
,以及起始位置x
,y
。 - 清零状态数组
st
和答案计数器ans
。 - 调用深度优先搜索函数
dfs()
,传入起始位置和初始计步数1
。 - 输出最终得到的可行方案数
ans
。
- 读取网格大小
- 首先读取测试用例数量
-
深度优先搜索函数dfs(int x, int y, int cnt):
- 基线条件:如果当前已经访问了所有的n*m个格子(即
cnt == n * m
),说明找到了一种合法的走法,因此答案加一,然后返回。 - 状态标记:标记当前位置
(x, y)
为已访问。 - 探索相邻节点:对于马可以走的八个方向,依次检查是否越界以及是否已经访问过。如果没有,则继续以当前位置为起点进行深度优先搜索,同时计步数加一。
- 回溯:在对一个方向的探索结束后,需要将当前位置的状态重置为未访问,以便探索其他路径。
- 基线条件:如果当前已经访问了所有的n*m个格子(即
改进思路
-
剪枝策略:位置合法性检查提前:在进入dfs递归之前,预先判断当前位置(x, y)是否可能达到目标。例如,当剩余步数(cnt)超过剩余未访问格子数时,无需继续搜索,直接返回。避免重复路径:记录并检查已访问路径,如果发现当前路径与之前的某条路径重复(可以通过记录访问顺序实现),则直接返回,避免循环搜索。
-
记忆化搜索:对于较大的n和m,可以采用记忆化搜索减少重复计算。使用一个三维数组
dp[x][y][cnt]
记录从位置(x, y)出发,已经走了cnt步时的方案数。在进行dfs之前先检查dp[x][y][cnt]
是否已有计算结果,若有则直接使用,避免重复计算。 -
双向BFS或A*搜索:
- 当寻找特定目标或优化搜索速度时,考虑使用双向BFS或启发式搜索如A*算法。双向BFS从起点和终点同时开始搜索,当两个搜索前线相遇时即可停止,这通常能更快找到解。
- A*算法利用启发式信息估计从当前节点到目标节点的成本,有助于在搜索过程中选择更优路径,减少不必要的探索。
-
并行处理:对于非常大的问题,可以考虑使用并行计算框架(如OpenMP、C++17的并行算法库等)来并行执行多个起始点的DFS或BFS,加速搜索过程。
-
输入输出优化:使用更快的输入输出方法(如缓冲读写)减少IO时间,尤其是在处理大量测试用例时,这能显著提升整体运行效率。
-
代码优化:宏观上看,可以考虑将一些常量(如方向数组的长度8)提取为常量定义,提高代码可读性和维护性。微观上,减少不必要的变量创建和销毁,优化循环和递归调用,都有助于提高程序运行效率。