深搜Dfs遍历节点以及寻路

//深搜遍历从起点出发能走的所有节点
//对于一个节点，只要发现了没走过的点就走到它，如果有多个点可走就任选一个（递归调用）
//由于是从起点开始遍历，因此遍历过程也是产生路径的过程 ，因此深搜遍历是有路径信息的 ，单纯的根据数据结构遍历所有点是没有路径信息的 
Dfs(V)
{
	if(V是旧点) return ;
	将V标记为旧点;
	for U in 和V相邻的点 :
		if(满足能走的条件) // 不仅要考虑这两个点是不是连通的，还要考虑剪枝的条件限制，通过剪枝减少某些不必要路径（减少递归次数） 
			Dfs(U));
}
//深搜遍历图上所有节点，注意区分仅仅调用Dfs(V) 
while(能找到新节点K) 
{
	Dfs(K) ;
}


//深搜寻找从起点V到终点的最优路径 
Dfs(V)
{
	if(找到终点)
		判断是否为最优路径 
	for U in 和V相邻的点 :
		if(满足能走的条件) // 不仅要考虑这条路能不能走，还要考虑剪枝的条件限制，通过剪枝减少某些不必要路径（减少递归次数） 
		{
			//走V->U这条路 ，更新路径信息
			visited(V->U)=1;//标记为已经走过
			updateParam() ;
			//以U为起点继续走 
			Dfs(U));
			
			//重置走V->U这条路的路径信息，接下来尝试走其他和V相邻的点
			visited(V->U)=0;
			resetParam(); //上条语句走好了U->终点或不能走这条子路径，当我们在递归中加入这条语句后，在执行完这条语句后那条子路径就被删除了 
		}
}

1. 若将深搜理解为扩展路径的一种递归算法，则可以从分解子问题递归的角度来理解
2. 甚至可以将深搜理解为在递归的状态图，这个图上进行深搜 。这样的话，我们可以用Dfs这种搜索方法去写递归函数。
3. 剪枝：可行性剪枝：该方法判断继续搜索 能否 得出答案，如果不能直接回溯。例如要求得到x=x0，但按照当前情况继续递归下去x一定会 大于或者小于 x0，而不可能=x0，此时就不再继续 ；最优性剪枝：它记录当前得到的最优值，如果当前结点已经无法产生比当前最优解更优的解时，可以提前回溯。
4. Dfs也是递归，因此Dfs也可以用动态规划 ，比如用一个数组存某个点的最优路径， 之后再走到这个点时就不用再运算了
5. 深搜寻路时如何更快找到路径，简单点的理解可以看我的博客鸣人和佐助（老婆）