深度优化搜索算法 java_【算法研究】搜索算法-深度优先搜索

如果您觉得本文有用，可以在微博上关注我，每周我都会在微博上发布新博客发表的通知，我的微博

###深度优先搜索

####介绍

如果您觉得这篇文章排版不舒服，请到我的微盘下载pdf：搜索算法-深度优先搜索

深度优先搜索是一种用来遍历或者搜索树(TREE)或图(GRAPH)结构的算法。搜索开始于某个根节点(从图中选取某个节点)，然后在开始回溯前尽可能远地探索到这一支的终点。

对于DFS的实际应用程序来说，DFS常常因为要搜索的图的某一条搜索路径太长(甚至是无限的)而陷入性能瓶颈，所以我们经常制定DFS只能搜索到某个深度，

如果用一个图来代表深度优先搜索的过程，即如下图：

####深度优先遍历的伪码实现

相应的伪码实现在《算法导论》这本书中有讲解，书中用的方法十分巧妙，它用三种颜色来代表三种状态

WHITE代表未访问的结点

GRAY代表该节点第一次被访问

BLACK代表该节点的所有邻接节点都被访问，即回溯完毕的第二次访问

以下是一个深度优先遍历的递归实现：

DFS(G, s)

for 在图G中的每一个节点v

status[v] = WHITE

// 进行其他初始

DFS-VISIT(s)

DFS-VISIT(v)

status[v] = GRAY

for 每一个v的邻接节点

if (status[v] == WHITE)

DFS-VISIT(t)

status[v] = BLACK

如果想实现深度优先遍历的非递归实现，就需要用到stack来存储未被访问的节点，以便回溯时能够找到

DFS(G, s)

stack visted, unvisited

unvisited.push(s)

while (!unvisited.empty()) // 只有当unvisted不空

current = unvisited.pop()

for 每一个current的邻接节点v and 节点v不在visited中 // 在以上的图例中是按从右向左的方式来遍历这些邻接节点

unvisited.push(v)

visted.push(current)

非递归实现的图片实例，图片中显示了unvisted栈中的数据情况：

####深度优先搜索的伪码实现

深度优先搜索与深度优先遍历大部分实现是相同的，只是深度优先搜索会在找到终点时就退出搜索。

以下是深度优先搜索的伪码实现：

DFS(G, s, d)

stack visted, unvisited

unvisited.push(s)

while (!unvisited.empty()) // 只有当unvisted不空

current = unvisited.pop()

if (current == d)

break;

for 每一个current的邻接节点v and 节点不在visited中 // 在以上的图例中是按从右向左的方式来遍历这些邻接节点

v.prev = current

unvisited.push(v)

visted.push(current)

算法中通过记录每一个节点v都通过他的属性prev记录了他的前继节点是哪一个，最终可以通过前继节点构建出需要的路径。

####深度优先搜索的优化

谈到深度优先搜索的优化，我们可以想到在介绍中我们说过：DFS常常因为要搜索的图的某一条搜索路径太长(甚至是无限的)而陷入性能瓶颈，所以我们在优化时应当针对这一点进行优化，即限制每次搜索的路径长度，以便能够在一定长度的路径之内找到较优解，当在一定长度之内不能找到合适的路径时，我们可以增加限定的搜索路径长度，来进一步进行深度优先搜索，这种方法叫做逐层加深的深度优先算法。

我们根据上文中DFS的递归实现来对深度优先搜索，来对深度优先搜索做出优化。

DFS(G, s, d)

for 在图G中的每一个节点v

status[v] = WHITE

// 进行其他初始

for depth = 0

for max = 边数/2, 边数 do

if DFS-VISIT(s, d, depth, max)

break;

DFS-VISIT(v, d, depth, max)

if (depth > width)

return false

if (v == d)

return true

status[v] = GRAY

for 每一个v的邻接节点t

if (status[t] == WHITE)

t.prev = v

DFS-VISIT(t, d, depth + 1, max)

status[v] = BLACK

return false

####深度优先搜索的优点

深度优先搜索，与广度优先搜索相比，它不必遍历所有分支，所以它的速度较快。它不一定能找到最优解，但能找到接近解。

####深度优先搜索的应用

深度优先的第一种应用：走迷宫，上一章列出的代码是寻找一条有效的路径，深度优先也可以穷举出迷宫中所有的路径。只需要在每次找到迷宫出口时，不要结束程序，而继续回溯，就可以继续寻找其他走出迷宫的办法，直到变量step为0，程序退出。你可以记录每一种走法的路径长度(step)，最后得到最优解。

深度优先的第二种应用：穷举。用例子说明：列出 A ~ F 这六个字母所能列出的所有组合(必须6位，不允许重复)。当然你可以用6重循环给出答案，但是随着字母数量增多，深度优先会是你的不二选择。下面继续通过一些例子说明应用吧，著名的“八皇后问题”，“背包问题”(当然也都可以用其他算法)，大家可以在百度上搜索这两个东东。