深度优先搜索和广度优先搜索 使用场景

深度优先搜索（Depth-First Search, DFS）和广度优先搜索（Breadth-First Search, BFS）是图和树结构中常用的遍历算法。两者适用于不同的场景。

深度优先搜索

优点

较低的空间复杂度（只需保存当前路径），能找到从起点到终点的所有路径。

缺点

对于无穷或非常大的搜索空间，可能会产生栈溢出或者无限循环。

适用场景

• 路径查找：在需要找到从起点到终点的所有可能路径的场景中，DFS非常有效。比如在迷宫求解问题中，DFS可以找到从起点到终点的所有可能路径。
• 深度优先策略：在一些需要确保走到叶子节点的任务中，比如在游戏中的策略搜索和分支定界法中，DFS有助于快速深入到决策树的深处。
• 环路检测：记录每个遍历过的节点的父节点，若一个节点被再次遍历且父节点不同，则说明有环。

广度优先搜索

优点

能找到最短路径（在无权图中），更合适逐层展开的搜索任务。

缺点

较高的空间复杂度（需要保存所有层次节点信息），当搜索空间很大时可能会消耗大量内存。

适用场景

• 最短路径查找：在无权图中，BFS总是能找到从起点到终点的最短路径。比如在找无权图中的最短路径问题，如棋盘上最少的步数、社交网络中的两个人之间的最短关系链。
• 层次遍历：在需要层次遍历树或图的场景中，BFS是非常合适的选择，比如在二叉树的层次遍历中。

根据具体问题特点选择合适的算法。

参考

• https://blog.csdn.net/Summer_night_star/article/details/123512204