深度优先搜索（DFS）与广度优先搜索（BFS）：你知道它们的特点和实现吗？_深度优先算法、广度优先算法,及非递归实现的特点-CSDN博客

本文链接：https://blog.csdn.net/weixin_42554191/article/details/143227629

在这里插入图片描述

🤍 前端开发工程师、技术日更博主、已过CET6
🍨 阿珊和她的猫_CSDN博客专家、23年度博客之星前端领域TOP1
🕠 牛客高级专题作者、打造专栏《前端面试必备》、《2024面试高频手撕题》
🍚 蓝桥云课签约作者、上架课程《Vue.js 和 Egg.js 开发企业级健康管理项目》、《带你从入门到实战全面掌握 uni-app》
💬 前些天发现了一个巨牛的人工智能学习网站，通俗易懂，风趣幽默，忍不住分享一下给大家。点击跳转到网站。

文章目录

图的遍历是图论中一个重要的基本操作，主要包括两种常见的方法：深度优先搜索（DFS）和广度优先搜索（BFS）。这两种遍历方法各有其特点和适用场景。

1. 深度优先搜索（DFS）

深度优先搜索是一种通过尽可能深地探索图的分支来遍历图的算法，通常采用递归或栈的方式实现。

特点

遍历顺序：当算法访问一个节点 ( u ) 时，会优先访问 ( u ) 的一个未被访问的邻接节点 ( v )，随后继续访问 ( v ) 的未被访问邻接节点，直到到达无可进一步访问的节点。
空间复杂度：取决于递归深度，最坏情况下为 ( O(V) )。
适用场景：适合用于寻找路径、拓扑排序、连通分量等应用。

JavaScript 实现

以下是深度优先搜索的递归和非递归实现示例：

递归实现

function dfsRecursive(graph, vertex, visited = new Set()) {
    visited.add(vertex); // 标记当前节点为已访问
    console.log(vertex);  // 访问当前节点
    
    for (const neighbor of graph[vertex]) { // 遍历相邻节点
        if (!visited.has(neighbor)) {
            dfsRecursive(graph, neighbor, visited); // 递归访问
        }
    }
}

// 示例图的邻接表表示
const graph = {
    0: [1, 2],
    1: [0, 3, 4],
    2: [0],
    3: [1],
    4: [1],
};

// 调用深度优先搜索
dfsRecursive(graph, 0);

非递归实现（使用栈）

function dfsIterative(graph, start) {
    const stack = [];
    const visited = new Set();
    stack.push(start);
    
    while (stack.length > 0) {
        const vertex = stack.pop(); // 弹出栈顶元素
        if (!visited.has(vertex)) {
            visited.add(vertex);     // 标记为已访问
            console.log(vertex);     // 访问当前节点
            
            // 将未访问的邻接节点压入栈
            for (const neighbor of graph[vertex]) {
                if (!visited.has(neighbor)) {
                    stack.push(neighbor);
                }
            }
        }
    }
}

// 调用非递归实现
dfsIterative(graph, 0);

2. 广度优先搜索（BFS）

广度优先搜索则是通过层层推进的方式逐层遍历图的所有节点，通常采用队列的方式实现。

特点

遍历顺序：从起始节点开始，首先访问所有的邻接节点，然后逐层访问这些邻接节点的邻接节点。
空间复杂度：最坏情况下需要存储 ( O(V) ) 的节点。
适用场景：适用于寻找最短路径、网络流等问题。

JavaScript 实现

以下是广度优先搜索的实现示例：

function bfs(graph, start) {
    const queue = [];
    const visited = new Set();
    queue.push(start); // 将起始节点加入队列
    visited.add(start); // 标记为已访问
    
    while (queue.length > 0) {
        const vertex = queue.shift(); // 移除队首元素
        console.log(vertex); // 访问当前节点
        
        // 将未访问的邻接节点加入队列
        for (const neighbor of graph[vertex]) {
            if (!visited.has(neighbor)) {
                visited.add(neighbor); // 标记为已访问
                queue.push(neighbor); // 入队
            }
        }
    }
}

// 调用广度优先搜索
bfs(graph, 0);