图的dfs非递归_[算法系列]搞懂DFS(2)——模式套路+经典例题详解（n皇后问题，素数环问题）...

最新推荐文章于 2023-04-17 20:55:39 发布

weixin_39901332

最新推荐文章于 2023-04-17 20:55:39 发布

阅读量197

点赞数

文章标签：图的dfs非递归

本文是算法系列递归讲解中讲述dfs的第二篇, 在上一篇:

0xCAFEBABE：[算法系列]搞懂DFS(1)——经典例题(数独游戏, 部分和, 水洼数目)图文详解zhuanlan.zhihu.com

中, 已经通过三个例题讲述了dfs的思路以及设计方法, 本文先归纳常见dfs套路, 总结一般思路, 之后再通过两个经典例题(n皇后, 素数环) 进行巩固加深.

1. dfs常见模式

dfs本质上来说是对解空间所有解的一种枚举(遍历) , 但与暴力搜索所不同的是, 在进行求解时, 会优先考虑"一条道走到黑, 不撞男墙不回头"(深度优先) 进行遍历, 参考下面这幅图.

上图是一颗解答树, 你可以想成每一个结点都是我们在求解过程中的每一个状态 ,比如在上篇的数独游戏中:

a 结点表示初始状态,
b 结点表示在第一个位置选了一个数字(例如1)的状态,
c结点表示在第一个位置选了另一个数字(例如2)
e 结点表示在第一个位置上选了1之后, 再进一步于第二个位置选上一个数字(例如2)

从a -> b, b->e, g->f 这样在结点只见转移的我们称之为: 状态转移 其中,a->b相当于试探,e->b相当于回溯

现在我们来好好谈谈回溯:

回溯法是一种选优搜索法，按 选优条件向前搜索，以达到目标。但当探索到某一步时，发现原先选择并不优或达不到目标，就退回一步重新选择，这种走不通就退回再走的技术为回溯法，而满足回溯条件的某个状态的点称为“回溯点”。

图中的e点就是一个走不下去的点,此时就只好回到b状态(如红色数字3),注意,此时这个位置理应也应当置为0,选上下一个选优条件,进行下一次试探.(在数独游戏中, 从1~9逐次选择数字就是一种选优条件,1不行咱选2,...)

道理就那么多,接下来看看dfs的思路:

定义状态: 通常状态就是我们所谓的函数及其参数, 每一个状态的区分关键在于参数内容不同
状态转移: 在于递归调用的过程,如上图的那些箭头
优选条件:按照怎样的一个规则去进行状态转移, 比如数独游戏中我们是从1~9由小到大逐个试探

那么再从递归问题的设计思路来看看dfs应该怎么解答:

找出口: 即通常所说的最小条件, 有时也是边界条件
找重复:对于当前问题的解法,应该是和子问题解法相同的,这一点不再赘述
找变化:在递归中有状态转移,往往就有变化的量(否则怎么能叫求解呢?)这一点通常将其作为参数

好了: 现在可以发挥想象力,大概写出dfs的伪代码:

dfs(参数1,参数2,参数3,...):
    if 边界条件:
        //副作用,比如添加到解集中
        return
    从候选集中按照选优条件取出一个 e:
        if e 符合条件:
            这里可能改变状态,比如填上一个数字
            dfs(参数1,参数2,参数3,...) //这里某些参数可能会变,以表示到达下一个状态,比如dfs(arr,x+1,y+1)
            回溯,将刚刚的改变复位

这是大概模式,具体实现是要根据问题进行修改.下面来看看两道经典的题

2. n皇后问题

'''

如图为一个皇后的攻击范围:

如图为一个8皇后的解的状态:

任何两个皇后不在同一行同一列同一斜线上, 那么这样的解的状态有几种呢?

思路:

dfs呗,思路暴力而简单, 先在第一行放一个queue,再在下一排放下一个满足条件的q...以此类推,如果发现实在放不动了则回溯,寻找上一次的状态的下一个合法位置, 所有位置都不行则再次回溯...

状态确立很简单,即当前哪些位置上摆了queue, 现在需要考虑的是如何存储这一状态. 显然,二维数组是可以的,但是这有一个更为巧妙的存储方法: 用一个长度为n的一维数组rec,对应下标为对应行数,其相应值为放上queue的纵坐标位置. 例如:

rec[-100,-100,-100,-100,-100,-100,-100,-100,] 表示所有位置都没有queue
rec[0,-100,-100,-100,-100,-100,-100,-100,] 表示第一行第一列行一个queue
rec[0,6,3,5,7,1,4,2,] 表示即为上图这个合法结果

有了前面的基础,伪代码就不上了:

res

3. 素数环

'''

很显然也是可以用dfs进行求解的. 从第二个数开始, 对其左右两边进行求和(右边无数字则不求解)比如:

1,2     ...             [满足]
1,2,3   ...             [满足]
1,2,3   ...             [满足]
1,2,3,4 ...             [满足]
1,2,3,4,5 ...           [不满足,回溯]
1,2,3,4,6,...           [不满足,回溯]
1,2,3,4 ...             [没有更多选择,继续回溯]
1,2,3, ...              [没有更多选择,继续回溯]
1,2,5, ...
...

由上我们可以看到, 我们在求解过程中,实际上的思路的和暴力枚举有类似之处的.bingo, 其实从另一种角度来说, dfs的本质就是暴力枚举. 不过不同在于,我们一边列举,一边进行验证: 当发现1,2,3,4,5,已经不满足了,就没必要继续把6写上去,而进行回溯.

传统的暴力枚举是将所有串全部写出, 再来判断是否满足情况. 即该题中: 6位长度的串有6!中写法.. 对空间要求过多.

也没有必要把整个串写完整再进行判断,比如1,2,3... 无论后面无论怎么填均不合法, 这可以直接pass了. 更为省时.

而将不满足的直接pass, 将整个解答树直接pass, 就是我们常常说的剪枝了. 当进入一个不可能为解的境地, 直接返回.

好了, 按照dfs模式和递归设计思路. 下面直接上代码