深度优先搜索_LeetCode中的深度优先搜索（一）

最近在LeetCode集中刷了一部分深度优先搜索的题，在这里做一个总结。对于深度优先搜索只做简单回顾，本文主要是介绍LeetCode中应用深度优先搜索的一类题。

1）深度优先搜索简述

假设使用深度优先搜索遍历一个连通的图G。在遍历之前，为每个结点设置了一个颜色字段color，以标志该结点当前的访问状态。之后我们初始化每个结点的color字段为WHITE，代表该结点还未访问；在遍历过程中，我们每发现一个结点就将该结点的color字段设置为GRAY，以此代表该结点已经被访问。则深度优先搜索可以写成这样：

def DFS(begin_node):
    # 将当前顶点标记为GRAY，代表已经访问
    begin_node.color = GRAY
    # 访问当前顶点的邻接顶点
    for adj_node in begin_node.adj_node_list:
        if adj_node.color == WHITE:
            DFS(adj_node)

2）例题

LeetCode中有这么一类使用深度优先搜索的题，它的特点是：被搜索的“图”是一个矩阵（并不是指图是使用邻接矩阵的形式存储，而是指矩阵中每一个元素对应一个图的结点）。以LeetCode中的第130题为例：

1.原题描述：

给出一个矩阵board，其中元素仅为‘X’或者‘O’，要求设计一个算法将所有被‘X’包围的‘O’替换为‘X’。规定：与矩阵边界相连的‘O’不算被‘X’包围。

示例：

输入：

board = 
[[X,X,X,X],
 [X,O,O,X],
 [X,X,O,X],
 [X,O,X,X],
 [X,O,X,X]]

输出应将第二行和第三行中被完全包围的'O'替换为'X'(最后两行中的'O'因为与边界相连，所以不应替换)：

[[X,X,X,X],
 [X,X,X,X],
 [X,X,X,X],
 [X,O,X,X],
 [X,O,X,X]]

2.解题思路：这道题让我们找出被X包围的O，并将其替换为X。这里我们做一个转换，先通过深度优先搜索找出所有与边界相连的O，它们都是不需要被替换的，我们将其先标记为S；之后board中剩余的O便是所有需要用X替换的。在完成替换之后，将标记S重新还原为O。整体上可以写成这样：

def solve(board):
    # 从board[row_index][col_index]开始进行深度优先搜索
    def DFS(row_index, col_index):
	if row_index < 0 or row_index >= len(board) or col_index < 0 or col_index >= len(board[0]):
            return
        # 'O'代表尚未访问的结点
        if board[row_index][col_index] == 'O':
	    # 将当前结点置为S，代表已经访问
	    board[row_index][col_index] = 'S'
	    # 递归搜索当前顶点的邻接顶点
	    DFS(row_index + 1, col_index)
	    DFS(row_index - 1, col_index)
	    DFS(row_index, col_index - 1)
	    DFS(row_index, col_index + 1)
	return

    # 对位于边缘同时为‘O’的元素，以其为起点进行深度优先搜索
    for i in range(0, len(board)):
        for j in range(0, len(board[0])):
       	    if i == 0 or j == 0 or i == len(board) - 1 or j == len(board[0]) - 1:
          	DFS(i, j)
    # 将S改回O，将O转换为X
    for i in range(0, len(board)):
        for j in range(0, len(board[0])):
       	    if board[i][j] == 'S':
          	board[i][j] = 'O'
            elif board[i][j] == 'O':
            	board[i][j] = 'X'
    return

3.另一种方法

在上面的方法中我们先找出与边界连接的O，并将其标记，从而间接找到需要转换为X的O。考虑一种正面求解的思路：假设board[i][j]为'O'，判断它是否需要被反转成X，只需判断，是否存在一条仅由O组成的，从board[i][j]到边界的路径。如果存在这样一条路径，则说明board[i][j]间接的与边界相连，不应转换为X，反之，则应该转换为X。这种思路是没问题的，但是千万不要在递归的过程中对board中的O进行替换修改，就是下面这种写法：

def DFS(row_index, col_index):
    # 对DFS终止的处理，和上一种是类似的
    …
    # 标记位置(row_index, col_index)为已经访问
    # 这个标记是必要的，否则就会在相邻的两个结点之间无限递归
    board[row_index][col_index] = …
    # 遍历邻接顶点，这里简写了
    res = [DFS(adj_node) for adj_node in adj_node_list]
    # 所有邻接点都返回假，则说明路径不存在，替换‘O’为‘X’
    if all([adj_res == False for adj_res in res]):
	board[row_index][col_index] = ‘X’
	return False
    else:
	#否则，清除位置(row_index, col_index)的访问标记，并返回，清除的操作这里省略了
	return True

这种写法是有问题的，考虑下面的一种情况：

我们从蓝色的O开始进行深度优先搜索。当向它左边邻接顶点进行递归搜索时，最终发现边界，则认为递归过程中经过的O都是不需要转换为X的。但是蓝色O下边的邻接顶点就不是这个样子了。考虑递归搜索到顶点a时，a会搜索到它的邻接顶点均为X，注意，当访问a时，a上边的顶点已经被标记为已访问的状态，从而使a不能对其进行重复的搜索，如下图：

问题就出在这里。这种方法会将顶点a视为需要替换的顶点，之后向“上一层”返回。同理，顶点a上边的顶点也会被认为是需要替换的顶点。所以最终的结果是：

这种方法错误的原因在于将矩阵描述的图当做了一个有向图，而实际上矩阵描述了一个无向图。拿上面的例子来说，这种方法认为蓝色顶点的右邻接点和下邻接点是完全“隔离”的，而事实上它们是间接相连的，这就导致了对邻接点的遍历的结果可能是错误的，当然，递归前的根结点一定是正确的。所以要使用这种方法，我们就不能在递归的过程中更新board，只能以每个O为起点进行深度优先搜索，判断路径是否存在，之后根据最终的返回结果决定是否反转当前的O。可以看出来，对一整块'O'连接的区域遍历，却只可能修改一个位置，并且对同一块区域需要从多个不同的顶点出发遍历，非常耗时。当然，也不能在递归的过程中设置缓存记录中间结果，原因和上面相同：递归的搜索可能是错的。

3)其他相似的题：

200. Number of Islands

417. Pacific Atlantic Water Flow

其中这道417题和这一篇讲的十分类似，可以尝试一下。