深度和广度优先遍历

前言

图的遍历与树的遍历相似，也是从某个顶点出发，沿着某条搜索路径对图的每个顶点做且仅做一次访问。

深度优先搜索遍历（Depth First Search，DFS)

深度优先遍历类似于树的前序遍历，选则任意一个顶点v作为初始出发点，首先访问出发点v并将其标记为已访问过；然后搜索v的每个邻接点w。若w未被访问，则从w开始出发继续进行深度优先遍历（即继续访问w的邻接点），直到所有与v路径相同的结点都访问到；若此时图中仍有顶点没被访问，就选则没被访问的顶点开始出发，重复以上步骤，直至图中所有顶点访问完。

则图1的深度优先遍历的顶点访问序列为：a，b，d，h，e，c，f，g

图1

对图进行深度优先遍历时，按访问顶点的先后次序得到的顶点序列称为图的深度优先遍历序列，或简称为DFS序列

广度优先搜索遍历（Breadth First Search，BFS）

广度优先搜索遍历类似于树的按层级遍历。

其基本思想就是：首先访问出发点v，接着访问v的所有未被访问过的邻接点v1，v2...，并将其标记为已访问过，在依次访问v1，v2...的邻接点并标记，以此类推；直至所有顶点都被访问到。

那么图1的以a为出发点的广义优先搜索遍历序列为：a，b，c，d，e，f，g，h

在广度优先遍历中，先被访问的顶点，其邻接点也先被访问，即符合队列的性质：先进先出。

图2

（a)

图2的邻接矩阵为a，以4为出发结点的两种遍历序列如下：

DFS：4，1，2，0，3

BFS：4，0，1，3，2

总结

如算法名称那样，深度优先搜索所遵循的搜索策略是尽可能“深”地搜索树。它的基本思想是：为了求得问题的解，先选择某一种可能情况向前（子结点）探索，在探索过程中，一旦发现原来的选择不符合要求，就回溯至父亲结点重新选择另一结点，继续向前探索，如此反复进行，直至求得最优解。

1. 减少节点数，思想：尽可能减少生成的节点数

2. 定制回溯边界，思想：定制回溯边界条件，剪掉不可能得到最优解的子树

在很多情况下，我们已经找到了一组比较好的解。但是计算机仍然会义无返顾地去搜索比它更“劣”的其他解，搜索到后也只能回溯。为了避免出现这种情况，我们需要灵活地去定制回溯搜索的边界。

在深度优先搜索的过程当中，往往有很多走不通的“死路”。假如我们把这些“死路”排除在外，不是可以节省很多的时间吗？打一个比方，前面有一个路径，别人已经提示：“这是死路，肯定不通”，而你的程序仍然很“执着”地要继续朝这个方向走，走到头来才发现，别人的提示是正确的。这样，浪费了很多的时间。针对这种情况，我们可以把“死路”给标记一下不走，就可以得到更高的搜索效率。

对于状态数很多时，广度优先搜索可以采用循环队列或动态链表来处理，对于这两种搜索算法，其主要区别如下表：

遍历方式	深度优先搜索遍历	广度优先搜索遍历
所用数据结构	栈	队列
一般优化	最优性剪枝 可行性剪枝	Hash判重 双向搜索