DFS的慢慢参悟和学习过程

Python模板DFS

通过做题，让自己对模板有深刻的理解，同时在Python中因为默认的递归深度只有1000，我们可以通过下面操作增加递归深度（否则可能报错提示“maximum recursion depth exceeded incomparison”）：

import sys
sys.setrecursionlimit(50000)  #设置递归深度为50000

1. 其他参数：一般根据题目来进行思考。
2. 剪枝：通过对一些不必要继续递归的分支，或者提前找到答案之后进行return
3. 标记状态和恢复状态：每次进行一个新的选择先标记已走过，知道走完不能走了，开始回溯回来之后，再把它恢复成未走过的标记。

常用来解决那些类型的问题

主要操作

1. 树深度
2. 子树节点数
3. 中序、前序、后序输出
4. 自定义排序
5. 检查连通性

常见的DFS优化方式（剪枝）

1. 可行性剪枝:对当前状态进行检查，如果当前条件不合法就不再继续，直接返回。
2. 搜索顺序剪枝:搜索树有多个层次和分支，不同的搜索顺序会产生不同的搜索树形态。
3. 最优性剪枝:在最优化问题的搜索过程中，如果当前花费的代价已超过前面搜索到的最优解，那么本次搜索已经没有继续进行下去的意义，停止对当前分支的搜索。
4. 排除等效冗余:搜索的不同分支，最后的结果是一样的，那么只搜一个分支就够了。
5. 记忆化搜索:在递归的过程中，有许多分支被反复计算，会大大降低算法的执行效率。将已经计算出来的结果保存起来，以后需要用到的时候直接取出结果，避免重复运算，从而提高了算法的效率。

题目的思考方式（参数的设置）

用一题经典的DFS的题目进行讲解,思考过程直接写在注释里面了

# -*- coding: utf-8 -*-
"""
@author: zjh
@time: 2023-04-05 15:05
"""
m, n = map(int, input().split())
mp = [list(map(int, input().split())) for i in range(n)]
vis = [[0] * m for j in range(n)]  #用于标记是否走过
dir_list = [(-1, 0), (1, 0), (0, 1), (0, -1)]  #四个方向的列表定义

"""
思考过程：
1.题目要求左上角的区域和为sum/2，另一半其他的格子也是sum/2，同时问最小的格子数是多少
2.通过题目要求分析dfs需要的参数
    2-1 首先需要尝试各个路径，所以我们需要知道自己的坐标  需要x,y
    2-2 又因为我们需要时刻知道自己目前的和有没有到达目标（sum/2)，所以我们用一个current_sum 方便我们记录当前已经累加的和
    2-3 最后题目问我们最小格子数，所以我们需要知道尝试的时候目前走了多少格子 使用cnt进行记录
3.是否有优化空间？
    3-1 一条路径如果已经超过sum/2了，我们就没有必要继续走下去了 提前return
"""

# 矩阵所有元素的和
martix_sum = 0
for i in mp:
    martix_sum += sum(i)
# 记录最小格子数
ans = float('inf')


def dfs(x, y, current_sum, cnt):
    global martix_sum, ans
    if current_sum > martix_sum / 2:
        return
    # 要包含左上角的第一个格子
    if current_sum == martix_sum / 2:
        if cnt < ans and vis[0][0] == 1:
            ans = cnt
        return

    # 进入之后标记已走过
    vis[x][y] = 1
    for u, v in dir_list:
        tx, ty = x + u, v + y
        if 0 <= tx < n and 0 <= ty < m:
            if vis[tx][ty] == 0:
            	#这边用的是current_sum+mp[x][y]是因为下次去的找路径的时候带的是前面算的和，
            	#所以不能是mp[tx][ty]
                dfs(tx, ty, current_sum + mp[x][y], cnt + 1)
    # 恢复原样
    vis[x][y] = 0


dfs(0, 0, 0, 0)
print(ans)