【深度优先搜索】一个实例+两张动图彻底理解 DFS | DFS 与 BFS 的区别 | 用 DFS 自动控制我们的小游戏

前言： 在第一篇文章中(link)，我们讨论了 如何用 pygame 写一个小游戏，并用键盘交互控制 。接下来，我们将分别用 DFS 、BFS 、DRL 实现自动控制。这篇文章讨论了什么是深度优先搜索，如何匹配其到我们的小游戏上。

使用深度优先搜索方法实现游戏的自动控制

本文涉及一个 .py 文件：

dfs_play.py

如上图，我们将使用“深度优先搜索”的方法，来控制黑色方块自动闯关。

所谓“深度优先搜索”，即：

• 搜索：精准预测下一步操作后，黑色方块将到达什么位置；并再次精准预测在这个位置进行操作后，黑色方块将到达什么位置…直到触发终止条件，即找到最终得分的路径；
• 深度优先：假设黑色方块有两个动作可以选择：A与B，那么黑色方块做出“选择A后应该到达的位置”的预测后，继续接着这条路径预测，而非去预测在初始状态下“选择B后应该到达的位置”。具体原理如下图。

图片生成自：https://visualgo.net/zh/dfsbfs

为了更好地了解 DFS 的特性，你可以用 BFS（广度优先搜索） 进行对比：

如何用 DFS 匹配我们的小游戏

在我写的小游戏（小游戏项目地址，小游戏代码结构详解）中，我们的小方块时刻面临三个选择：

• 给自己一个左上的力；
• 给自己一个右上的力；
• 什么也不做，这一时刻任由自己受重力牵制而掉落。

因此，我们每层也就有三个结点，如下图：

但是因为算法本身的时间复杂度过大，我们可以不考虑“什么也不做”这一动作。否则，将如下图，需要搜索的结点过多，导致程序运行过慢或内存溢出。

这样，每层的父结点就只有两个子结点，大大减少需要遍历的空间。

使用递归的实现

我使用递归来实现 DFS 算法，我大概描述一下这个过程。数据结构不够硬的同学，应该静下心来读读我的源码、或者其他经典的 DFS 教程、或者刷刷 LeetCode 。

我的源码见：https://github.com/PiperLiu/Amazing-Brick-DFS-and-DRL/blob/master/dfs_play.py

final_s_a_list = <