【算法】深度搜索(DFS) 和 广度搜索(BFS)
深度搜索(DFS)
点；然后退回到该顶点，搜索其它路径，直到以该顶点为始点的所有路径的顶点都被访问，深度搜索算法是递归算法，因为对于没一个节点来说，执行的是同样的操作。
简单来说，深度搜素算法就是一条道走到黑，走不动了再回溯回去，选择其他路径，举个例子，对于下面的图，假设从1开始遍历：
用途
深度搜索常用于解决图的遍历问题（尤其是矩阵图如迷宫问题等），比如求解从某一个点到另一个点的最短距离，则只需遍历所有路径，在遍历同时记录路径长度，最后一定能找到最短的距离，但这种方法复杂度较高，因为要遍历完所有结点才能找到。
深度搜索是回溯法的主要方法，沿着一条路一直走，走不通再回溯到上一节点，选择其他路径。
深度搜索模板
int check(参数)
{if(满足条件)return 1;return 0;
}void dfs(int step)
{判断边界if{到达边界时的操作（输出等）}未到边界时尝试每一种可能else{满足check条件 if{标记继续下一步 : dfs(step+1)恢复初始状态}};
}深度搜索经典例题：【n-皇后问题】
n−皇后问题是指将 n 个皇后放在 n×n 的国际象棋棋盘上，使得皇后不能相互攻击到，即任意两个皇后都不能处于同一行、同一列或同一斜线上。
现在给定整数 n，请你输出所有的满足条件的棋子摆法。
输入格式
共一行，包含整数 n。
输出格式
每个解决方案占 n 行，每行输出一个长度为 n 的字符串，用来表示完整的棋盘状态。其中 . 表示某一个位置的方格状态为空，Q 表示某一个位置的方格上摆着皇后。每个方案输出完成后，输出一个空行。注意：行末不能有多余空格。输出方案的顺序任意，只要不重复且没有遗漏即可。
数据范围
1≤n≤9
输入样例
4
输出样例
.Q…
…Q
Q…
…Q.
…Q.
Q…
…Q
.Q…
（DFS按行枚举） 时间复杂度 O ( n ! ) O(n!)O(n!)
代码分析
对角线 d g [ u + i ] dg[u+i]dg[u+i]，反对角线u d g [ n − u + i ]
udg[n−u+i]udg[n−u+i]中的下标 u + i u+iu+i和 n − u + i n−u+in−u+i 表示的是截距
下面分析中的 ( x , y ) (x,y)(x,y) 相当于上面的 ( u , i ) (u,i)(u,i)
反对角线 y = x + b y=x+by=x+b, 截距 b = y − x b=y−xb=y−x，因为我们要把 b 当做数组下标来用，显然 b 不能是负的，所以我们加上 +n（实际上+n+4,+2n都行），来保证是结果是正的，即 y − x + n y - x + ny−x+n
而对角线 y = − x + b y=−x+by=−x+b, 截距是 b = y + x b=y+xb=y+x，这里截距一定是正的，所以不需要加偏移量
核心目的：找一些合法的下标来表示 d g dgdg 或 u d g udgudg 是否被标记过，所以如果你愿意，你取 u d g [ n + n − u + i ] udg[n+n−u+i]udg[n+n−u+i] 也可以，只要所有 ( u , i ) (u,i)(u,i) 对可以映射过去就行
题目答案
#include<bits/stdc++.h>using namespace std;
const int N = 100;
char g[N][N]; // g[N][N]用来存路径
// bool数组用来判断搜索的下一个位置是否可行
bool col[N],dg[N],udg[N]; // g[N][N]用来存路径
int n;void dfs(int x){// u == n 表示已经搜了n行，故输出这条路径if(x == n){for (int i = 0; i < n; ++i) puts(g[i]); // 等价于cout << g[i] << endl;puts(""); // 换行return;}else{for (int i = 0; i < n; ++i) {// 剪枝(对于不满足要求的点，不再继续往下搜索)// udg[n - u + i]，+n是为了保证下标非负if(!col[i] && !dg[x+i] && !udg[n-x+i]){g[x][i] = 'Q';col[i] = dg[x+i] = udg[n-x+i] = true;dfs(x+1);g[x][i] = '.';col[i] = dg[x+i] = udg[n-x+i] = false;// 恢复现场 这步很关键}}}}
int main() {cin>>n;for (int i = 0; i < n; ++i) {for (int j = 0; j < n; ++j) {g[i][j] = '.';}}dfs(0);return 0;
}
广度搜索（BFS）
搜索方法
广度搜索，顾名思义，就是更大范围内搜索，与深度搜索不同的是，深度搜索是一次搜索一条路径，一直搜索到走不通为止；而广度搜索是同时搜索所有路径，相当于一层一层地搜索，就好比波浪的扩展一样。此搜索方法跟树的层次遍历类似，因此宽度搜索一般都用队列存储结构。搜索原则：
搜索方法
（1）访问遍历出发顶点，该顶点入队
（2）队列不空，则队头顶点出队；
（3）访问出队顶点所有的未访问邻接点并将其入队；
（4）重复（2）（3），直到队空或者找到目标点
举个例子，还是对下面这个图进行广度遍历：
用途
虽然看似广度搜索一次扩张了很多个点，但实际上任然是一个结点一个结点地搜索，只是它是以层层扩张的方式进行搜索。广度搜索也常用于解决图的遍历，在求一个点到另一个点的最短距离时，广度搜索比深度搜索更有优势，因为广度搜索是层层遍历的，所以一定存在某条路径最先到达目标点，只要找到目标点后就退出，就不用搜索所有点。
广度搜索也是分支限界法的主要算法（当然，分支限界也可能是广度搜索和宽度搜索的结合）。广度搜索最常解决的问题类型是：求从某一个状态到另一个状态的最小步数，每一个状态对应多个（扩展结点个数）不同的操作。
广度搜索模板
#include<iostream>
#include<queue>
using namespace std;
struct state
{int a,b;//存储相应信息int step;//存储当前结点的步数
};
queue<state>Q;
int bfs(int a,int b,int A,int B)//返回最小步数
{//参数a,b是初始状态，//参数A,B是目标状态判断条件；while(!Q.empty())Q.pop();//清空队列state P;P.a=a;P.b=b;P.step=0;//初始结点Q.push(P);//初始结点入队while(!Q.empty())//队列非空{state head=Q.front();//保存队头Q.pop();//队头出队//以下扩展每个结点的邻接结点*************************state p=head;p.a=...//执行操作p.b=...//执行操作p.step++;//步数加一//判断p.a,p.b是否合法（剪枝处理）if(ok(p.a,p.b)){if(p.a==A&&p.b==B)//判断该状态是否满足目标状态return p.step;//返回步数Q.push(p);//否则入队}//扩展其他结点......//扩展结点结束*************************************}return -1;//不能到达目标状态，返回-1;
}
深度搜索经典例题：【走迷宫——边的权值相同】
给定一个 n ∗ m n*mn∗m 的二维整数数组，用来表示一个迷宫，数组中只包含 0 或 1，其中 0 表示可以走的路，1 表示不可通过的墙壁。
最初，有一个人位于左上角 ( 1 , 1 ) (1, 1)(1,1)处，已知该人每次可以向上、下、左、右任意一个方向移动一个位置。
请问，该人从左上角移动至右下角 ( n , m ) (n, m)(n,m) 处，至少需要移动多少次。
据保证 ( 1 , 1 ) (1, 1)(1,1) 处和 ( n , m ) (n, m)(n,m) 处的数字为 0，且一定至少存在一条通路。
输入格式
第一行包含两个整数n和m。
接下来n行，每行包含m个整数（0或1），表示完整的二维数组迷宫。
输出格式
输出一个整数，表示从左上角移动至右下角的最少移动次数。
数据范围
1≤n,m≤100
输入样例
5 5
0 1 0 0 0
0 1 0 1 0
0 0 0 0 0
0 1 1 1 0
0 0 0 1 0
输出样例
8
答案解析
#include<bits/stdc++.h>using namespace std;
const int N = 110;
int n,m;
int g[N][N],d[N][N]; // g记录迷宫，d记录该位置与起始位置的距离
typedef pair<int,int> PII;
queue<PII> q;int bfs(){int dx[] = {-1,0,1,0},dy[] = {0,1,0,-1};q.push({0,0}); //从第一个元素开始访问d[0][0] = 0;while(!q.empty()){auto t = q.front(); q.pop();for(int i = 0;i < 4;i++){int x = t.first+dx[i] , y = t.second+dy[i];if(x >= 0 && x < n && y >= 0 && y < m && g[x][y] == 0 && !d[x][y]){d[x][y] = d[t.first][t.second]+1;q.push({x,y});}}}return d[n-1][m-1];
}int main() {cin>>n>>m;for (int i = 0; i < n; ++i) for (int j = 0; j < m; ++j) cin>>g[i][j];cout<<bfs()<<endl;return 0;
}来源
深度搜索(DFS)和广度搜索(BFS)——1
深度搜索(DFS)和广度搜索(BFS)——2
【算法】深度搜索(DFS) 和 广度搜索(BFS)相关推荐
- 深度搜索(DFS)和广度搜索(BFS)
深度搜索(DFS) 一.搜索方法: 沿出发顶点的第一条路径尽量深入,遍历路径上所有顶点:然后退回到该顶点,搜索其它路径,直到以该顶点为始点的所有路径的顶点都被访问,深度搜索算法是递归算法,因为对于没 ...
- 一文搞定深度优先搜索(DFS)与广度优先搜索(BFS)【含完整源码】
写在前面:博主是一位普普通通的19届双非软工在读生,平时最大的爱好就是听听歌,逛逛B站.博主很喜欢的一句话花开堪折直须折,莫待无花空折枝:博主的理解是头一次为人,就应该做自己想做的事,做自己不后悔的事 ...
- 【蓝桥杯】2015决赛A组 5 穿越雷区（深度优先搜索dfs、广度优先搜索bfs）
历届试题 穿越雷区 问题描述 X星的坦克战车很奇怪,它必须交替地穿越正能量辐射区和负能量辐射区才能保持正常运转,否则将报废. 某坦克需要从A区到B区去(A,B区本身是安全区,没有正能量或负能量特征), ...
- 【数据结构与算法】2.深度优先搜索DFS、广度优先搜索BFS
原文链接:https://blog.csdn.net/qq_41681241/article/details/81432634 总结 一般来说,广搜常用于找单一的最短路线,或者是规模小的路径搜索,它的 ...
- 图的深度优先搜索(DFS)和广度优先搜索(BFS)算法
深度优先(DFS) 深度优先遍历,从初始访问结点出发,我们知道初始访问结点可能有多个邻接结点,深度优先遍历的策略就是首先访问第一个邻接结点,然后再以这个被访问的邻接结点作为初始结点,访问它的第一个邻接 ...
- 深度优先搜索(DFS)和广度优先搜索(BFS)探究
附BFS解题代码: #include<iostream> #include<queue> using namespace std;char room[23][23]; int ...
- 深度搜索(DFS)，一种用于遍历和搜索的算法
先上百度对深度搜索的定义: 如果上边的定义没有理解,那么可以这样认为:深度搜索就是一种试探性的算法,例如你在一个十字路口想要去到某地,但是你又不认识具体的路(并且你不善言辞,万事不求人),那么你只能先 ...
- 数据结构与算法—图论之dfs、bfs(深度优先搜索、宽度优先搜索)
文章目录 前言 邻接矩阵和邻接表 深度优先搜索(dfs) 宽度(广度)优先搜索(bfs) 总结与比较 前言 在有向图和无向图中,如果节点之间无权值或者权值相等,那么dfs和bfs时常出现在日常算法中. ...
- 深度搜索和广度搜索领接表实现_算法基础04-深度优先搜索、广度优先搜索、二分查找、贪心算法...
深度优先搜索DFS.广度优先搜索BFS 比较 拿谚语打比方的话,深度优先搜索可以比作打破砂锅问到底.不撞南墙不回头:广度优先搜索则对应广撒网,多敛鱼 两者没有绝对的优劣之分,只是适用场景不同 当解决方 ...
最新文章
- JVM技术周报第2期
- DISCUZ X2更换域名注意事项
- 数字后端——时序验证
- python消息队列模块_day43-python消息队列二-queue模块
- 虚拟时代将至：环绕计算才是未来
- [BZOJ2038] [2009国家集训队] 小Z的袜子(hose) (莫队)
- 质疑“扩版=质量下降”——以《中国农学通报》和《安徽农业科学》为例
- 结构-行为-样式-有趣的函数
- 微信飞机大战游戏开发
- Day3:MVP+ButterKnife+Dagger2的使用
- java 调用nc查询引擎_用友NC系统查询引擎应用心得
- CPU卡FM1208发卡操作流程（不带密钥验证）
- java awt canvas_JAVA.AWT.CANVAS使用
- 把手机当作电脑显示器指导参考
- diag()函数功能
- Python 计算EMA(指数移动平均线)
- 《人性的弱点》总结之一 --- 人际交往的基本技巧
- python分别计算100以内（含100）奇数和偶数的和
- 关于 Burte Force
- html video 加广告,视频加入广告,如何在视频中插入一段广告视频,视频加广告的方法...