每天一道算法题（六）深度优先算法（DFS）学习及Java实现

深度优先算法

定义

wiki上的解释：

深度优先搜索算法（英语：Depth-First-Search，简称DFS）是一种用于遍历或搜索树或图的算法。沿着树的深度遍历树的节点，尽可能深的搜索树的分支。当节点v的所在边都己被探寻过，搜索将回溯到发现节点v的那条边的起始节点。这一过程一直进行到已发现从源节点可达的所有节点为止。如果还存在未被发现的节点，则选择其中一个作为源节点并重复以上过程，整个进程反复进行直到所有节点都被访问为止。属于盲目搜索。

当然看到上面这句话的时候，我并没有理解什么到底是DFS，因此又看了很多人的说话，有了下面一段话：
DFS的思想是从一个顶点V0开始，沿着一条路一直走到底，如果发现不能到达目标解，那就返回到上一个节点，然后从另一条路开始走到底。
DFS适合此类题目：给定初始状态跟目标状态，要求判断从初始状态到目标状态是否有解。

---

深度与广度的比较

我们搜索一个图是按照树的层次来搜索的。

我们假设一个节点衍生出来的相邻节点平均的个数是N个，那么当起点开始搜索的时候，队列有一个节点，当起点拿出来后，把它相邻的节点放进去，那么队列就有N个节点，当下一层的搜索中再加入元素到队列的时候，节点数达到了N2，你可以想想，一旦N是一个比较大的数的时候，这个树的层次又比较深，那这个队列就得需要很大的内存空间了。

于是广度优先搜索的缺点出来了：在树的层次较深&子节点数较多的情况下，消耗内存十分严重。广度优先搜索适用于节点的子节点数量不多，并且树的层次不会太深的情况。

那么深度优先就可以克服这个缺点，因为每次搜的过程，每一层只需维护一个节点。但回过头想想，广度优先能够找到最短路径，那深度优先能否找到呢？深度优先的方法是一条路走到黑，那显然无法知道这条路是不是最短的，所以你还得继续走别的路去判断是否是最短路？

于是深度优先搜索的缺点也出来了：难以寻找最优解，仅仅只能寻找有解。其优点就是内存消耗小，克服了刚刚说的广度优先搜索的缺点。

数字为搜索顺序

代码（转）

public class DFSTest {

        // 存储节点信息
        private char[] vertices;

        // 存储边信息（邻接矩阵）
        private  int[][] arcs;

        // 图的节点数
        private int vexnum;

        // 记录节点是否已被遍历
        private boolean[] visited;

        // 初始化
        public DFSTest(int n) {
              vexnum = n;
              vertices = new char[n];
              arcs = new int[n][n];
              visited = new boolean[n];
              for (int i = 0; i < vexnum; i++) {
                 for (int j = 0; j < vexnum; j++) {
                     arcs[i][j] = 0;
                 }
              }
        }

        // 添加边(无向图)
        public void addEdge(int i, int j) {
              // 边的头尾不能为同一节点
              if (i == j)return;

              arcs[i][j] = 1;
              arcs[j][i] = 1;
        }

        // 设置节点集
        public void setVertices(char[] vertices) {
            this.vertices = vertices;
        }

        // 设置节点访问标记
        public void setVisited(boolean[] visited) {
            this.visited = visited;
        }

        // 打印遍历节点
        public void visit(int i){
            System.out.print(vertices[i] + " ");
        }

        // 从第i个节点开始深度优先遍历
        private void traverse(int i){
            // 标记第i个节点已遍历
            visited[i] = true;
            // 打印当前遍历的节点
            visit(i);

            // 遍历邻接矩阵中第i个节点的直接联通关系
            for(int j=0;j<vexnum;j++){
                // 目标节点与当前节点直接联通，并且该节点还没有被访问，递归
                if(arcs[i][j]==1 && visited[j]==false){
                    traverse(j);
                }
            }
        }

        // 图的深度优先遍历（递归）
        public void DFSTraverse(){
            // 初始化节点遍历标记
            for (int i = 0; i < vexnum; i++) {
                visited[i] = false;
            }

            // 从没有被遍历的节点开始深度遍历
            for(int i=0;i<vexnum;i++){
                if(visited[i]==false){
                    // 若是连通图，只会执行一次
                    traverse(i);
                }
            }
        }

        // 图的深度优先遍历（非递归）
        public void DFSTraverse2(){
            // 初始化节点遍历标记
            for (int i = 0; i < vexnum; i++) {
                visited[i] = false;
            }

            Stack<Integer> s = new Stack<Integer>();
            for(int i=0;i<vexnum;i++){
                if(!visited[i]){
                    //连通子图起始节点
                    s.add(i);
                    do{ 
                        // 出栈
                        int curr = s.pop();

                        // 如果该节点还没有被遍历，则遍历该节点并将子节点入栈
                        if(visited[curr]==false){
                            // 遍历并打印
                            visit(curr);
                            visited[curr] = true;

                            // 没遍历的子节点入栈
                            for(int j=vexnum-1; j>=0 ; j-- ){
                                if(arcs[curr][j]==1 && visited[j]==false){
                                    s.add(j);
                                }
                            }
                        }
                    }while(!s.isEmpty());
                }
            }
        }

        public static void main(String[] args) {
            DFSTest g = new DFSTest(9);
            char[] vertices = {'A','B','C','D','E','F','G','H','I'};
            g.setVertices(vertices);

            g.addEdge(0, 1);
            g.addEdge(0, 5);
            g.addEdge(1, 0);
            g.addEdge(1, 2);
            g.addEdge(1, 6);
            g.addEdge(1, 8);
            g.addEdge(2, 1);
            g.addEdge(2, 3);
            g.addEdge(2, 8);
            g.addEdge(3, 2);
            g.addEdge(3, 4);
            g.addEdge(3, 6);
            g.addEdge(3, 7);
            g.addEdge(3, 8);
            g.addEdge(4, 3);
            g.addEdge(4, 5);
            g.addEdge(4, 7);
            g.addEdge(5, 0);
            g.addEdge(5, 4);
            g.addEdge(5, 6);
            g.addEdge(6, 1);
            g.addEdge(6, 3);
            g.addEdge(6, 5);
            g.addEdge(6, 7);
            g.addEdge(7, 3);
            g.addEdge(7, 4);
            g.addEdge(7, 6);
            g.addEdge(8, 1);
            g.addEdge(8, 2);
            g.addEdge(8, 3);

            System.out.print("深度优先遍历（递归）：");
            g.DFSTraverse();

            System.out.println();

            System.out.print("深度优先遍历（非递归）：");
            g.DFSTraverse2();
        }

}


----------
Output：
深度优先遍历（递归）：A B C D E F G H I 
深度优先遍历（非递归）：A B C D E F G H I 

---

博客中有些内容引自：
深度优先搜索(DFS)理解DFS概念上很清晰