python dfs算法_搜索算法浅析——从二叉树一窥BFS和DFS

前言

本文需要有对数据结构一定的认识，如果不理解二叉树的读者可以先去学一下二叉树，有助于更好地理解这篇推文。

什么是二叉树？

二叉树是一种数据结构，指的是每个节点都有最多左右两颗子树的数据结构。也就是说，通过节点之间的相互连接（是有左右之分的），可以连成一棵倒立着的树。（图示树A结点的右子树是二叉树，但左子树不是）

一棵树的例子：图自：https://www.jianshu.com/p/bf73c8d50dc2

什么是BFS？

BFS，全称Breadth First Search，中文名为广度优先搜索。是一种以宽度方向搜索某种数据结构的一种方法，常用队列辅助BFS算法。广度优先搜索并不是某一个固定的算法，它是一类符合上述所说的算法。

什么是DFS？

DFS，全称Depth First Search，中文名为深度优先搜索。是一种以深度方向搜索某种数据结构的方法，常用栈来辅助DFS算法。深度优先搜索大多要以递归实现，所以要考虑递归爆栈的可能性。

二叉树和BFS/DFS有什么关系呢？

关系可大了！我给大家出两道题，你们就知道了。

问题1：如何打印一棵二叉树的每一层的最右结点？

这里说的每一层，是指在同一深度上。什么叫深度呢？拿上面的那棵二叉树来说，A结点的深度为0，B、C结点的深度为1，以此类推。

那么这个问题的答案我们手写出来，就是：A、C、F、J

那么对于一棵给定的二叉树来说，我们怎么通过代码实现找到每一层的最右的结点呢？

这里先放一放，我们来看第二个问题。

问题2：如何层次遍历一棵二叉树？

（读者：你怎么老说术语！）

层次遍历，指的是按照每一层从左到右（或者从右到左）的顺序，串起来遍历这一棵树。

对于上述的二叉树，答案就是：A、B、C、D、E、F、G、H、I、J

好，那么这两个问题和BFS/DFS有什么关系呢？我们要使用DFS解决问题1，用BFS解决问题2。

DFS如何解决每一层最右结点问题呢？

首先，我们先放出Python语言代码：

class 

我们可以看到，DFS函数是解决这个问题的本质函数，它是一个递归函数，终止条件为当前结点为空结点的时候，退出这个函数。level是当前的层数，A结点位于第0层，B、C结点位于第1层，以此类推。

指的是，如果发现当前的层已经是探索过的最深的层了，就把当前的head结点放进列表中。这个head结点为什么一定是当前层的最右结点呢？

这里我用一串图片来讲一下这个过程，一步步模拟DFS（其实是因为我不会做GIF）：

初始的状态是这样的

执行完DFS(A,0,L)后

执行DFS(C.right,level+1,L)后

这个时候：

然后我们发现

已经没有左右结点了，所以

和

都会返回。这个时候，函数的执行会回到：

这个时候

已经执行完了，就会执行

。

执行DFS(C.left,level+1,L)后

这个时候我们发现，

，但这个时候

，所以

结点不会被加入到

中。这个时候将会继续执行

。

执行DFS(E.right,level+1,L)后

这个时候我们发现，

结点满足加入L的条件，将

结点加入到

中，此时的

。这个时候算法没有结束，但是后面所有的DFS操作都不会再往L里加入新的结点了，因为

恒成立。

那么我们就使用DFS成功地加入了一棵二叉树每一层的最右结点。

我们在前面说过，DFS是使用栈辅助的一种算法，但是我们在这里并没有使用栈啊？别急，在调用DFS函数的时候，本身就已经使用栈了。这个栈被称为函数栈。接下来我依然用一组图来看一下函数是怎么压栈的。

先压入DFS(A,0,L)准备执行，此时L=[]

DFS(A,0,L)被弹出执行，压入DFS(B,1,L)和DFS(C,1,L)，此时L=[A]

DFS(C,1,L)被弹出执行，压入DFS(E,2,L)和DFS(F,2,L)，此时L=[A,C]

DFS(F,2,L)和DFS(E,2,L)都被弹出执行，DFS(E,2,L)压入DFS(null,3,L)和DFS(J,3,L)，此时L=[A,C,F]

最后DFS(J,3,L)和DFS(null,3,L)被弹出执行，此时L=[A,C,F,J]

后面的

的压栈弹栈过程我就不再赘述了，读者可以自己通过纸笔模拟。

BFS如何解决层次遍历问题呢？

我回来啦！BFS如何解决层次遍历问题呢？

首先我们把树的图片放回来，免得大家再上去翻那个树的图片了。

那么我们该如何层次遍历这棵树呢？

首先我们先把这棵树的层次遍历结果写出：FCEADHGBM

然后我们再看看它们之间的顺序：

F的左儿子是C，右儿子是E。C的左儿子是A，右儿子是D。E的左儿子是H，右儿子是G……

有没有看出来一点什么端倪？想必没有，我们把空结点加上去。

层次遍历的结果：FCEADHG(NULL)(NULL)B(NULL)(NULL)(NULL)M(NULL)

我们可以看到，如果以入队出队的角度来看，这个序列是可以这样形成的：

F入队，然后出队。

然后F的左孩子入队，右孩子入队。

F的左孩子出队，F的左孩子的左孩子入队，F的左孩子的右孩子入队。

以此类推。

其实就是：

Queue Q;
Q.enqueue(head);
while Q.isempty() is not True:
    node = Q.dequeue();
    if (node->left) Q.enqueue(node->left);
    if (node->right) Q.enqueue(node->right);
    print(node->val);

这样就是BFS，就是把任务分层，先搜完一层的所有可能，再去搜这些可能到下一层的可能。BFS之所以叫广搜，是因为它具有全面性和盲目性，如果不配合剪枝算法，它可以搜索完所有的可能。这在我们执行寻路等算法的时候，是耗时耗力的。所以BFS常要配合一些剪枝的算法，以降低其时间复杂度。