当前位置：首页 > wzjs >正文

网站开发开源代码设计网站官网

wzjs 2025/8/3 3:25:44

网站开发开源代码,设计网站官网,企业公司名字大全,wordpress与论坛一、深度优先搜索（DFS） 1. 原理思想：从起始节点出发，顺着一条路径不断深入，直到到达目标或无路可走，然后回溯到最近的分支点，继续探索其他分支。应用场景：路径查找、连通性检测、…

一、深度优先搜索（DFS）

1. 原理

思想：从起始节点出发，顺着一条路径不断深入，直到到达目标或无路可走，然后回溯到最近的分支点，继续探索其他分支。
应用场景：路径查找、连通性检测、拓扑排序、强连通分量、迷宫求解等。

2. 算法步骤（递归／栈式示例）

DFS(u):标记 u 为已访问for 每个邻居 v ∈ Adj[u]:if v 未访问:DFS(v)

伪代码（使用显式栈）：

function DFS(start):stack ← 空栈push start 到 stackwhile stack 非空:u ← pop stackif u 未访问:标记 u 为已访问for v ∈ Adj[u]:            // 可按任意顺序if v 未访问:push v 到 stack

3. 时间复杂度推导

节点个数：|V|
边数：|E|
每个节点只标记一次，每条边在遍历邻接表时也只会被看一遍（无向图会重复两次，但常写为 O(E)）。
总时间：
$T_{\mathrm{DFS}} = O(|V| + |E|)$

4. 空间复杂度

递归栈／显式栈最坏深度为 O(h)，h 为搜索深度（在图上为 O(|V|)），加上标记数组 O(|V|)。
空间：O(|V| + h) ≈ O(|V|)。

5. 优缺点

优点
- 实现简单，递归写法直观。
- 空间开销通常较 BFS 小（受限于深度而非宽度）。
- 易于回溯，可用于拓扑排序、强连通分量等高级图算法。
缺点
- 不保证最短路径（先深入，再回退）。
- 在最坏情况下可能退入极深的递归，导致栈溢出。
- 对于特别深或含环的图，需要事先做好“已访问”标记防止死循环。

二、广度优先搜索（BFS）

1. 原理

思想：以起始节点为根，先访问其所有邻居，再依次访问下一层邻居，保证层级（距离）依次递增。
应用场景：最短路径（无权图）、分层遍历、最小跳数问题、连通分量检测等。

2. 算法步骤（队列式）

function BFS(start):创建空队列 Q标记 start 为已访问；enqueue start 到 Qwhile Q 非空:u ← dequeue Qfor v ∈ Adj[u]: if v 未访问:标记 v 为已访问enqueue v 到 Q

3. 时间复杂度推导

与 DFS 一样，每个顶点进队出队各一次，访问每条边一次。
总时间：
$T_{\mathrm{BFS}} = O(|V| + |E|)$

4. 空间复杂度

队列在最宽层级可能存放 O(w) 个节点，w 最坏可至 O(|V|)。
标记数组 O(|V|)。
空间：O(|V|)。

5. 优缺点

优点
- 保证找到从起点到任一节点的最短（最少边）路径。
- 实现简单，易于理解。
缺点
- 对内存要求高，最宽层可能存放大量节点。
- 在极度稠密或高 branching 的情况下，空间迅速膨胀。

三、回溯搜索（Backtracking）

1. 原理

思想：系统地构造解空间树，试探每一个可能的解分支，一旦发现某一路径不可能通向可行解（违反约束或已达死胡同），便“回溯”撤销最近那一步，尝试其他可能。
应用场景：组合优化（八皇后、子集和、图着色）、约束满足问题（CSP）、数独、排列生成等。

2. 算法步骤（示例：N 皇后）

function backtrack(状态 state):if state 满足完整解条件:输出一个解returnfor 每个候选分支 choice in 可行 choices(state):做出 choice（更新 state）backtrack(state)撤销 choice（恢复 state）

关键在于保持“可行性检测”函数，及时剪枝。

3. 时间复杂度推导

记号：
- b = 平均分支因子（每一步可做的选择数）
- d = 解的最大深度（决策步数）
解空间大小：
若无剪枝，则节点总数 ≈
$1 + b + b^2 + \cdots + b^d = \frac{b^{d+1}-1}{b-1} = O(b^d)$
因此，最坏时间复杂度：
$T_{\mathrm{BT}} = O(b^d)$
剪枝：若能有效剪枝，平均复杂度可大幅降低，但仍指数级别。

4. 空间复杂度

主花销在于递归栈深度 O(d) 及维护当前解的空间 O(d)。
空间：O(d)。

5. 优缺点

优点
- 通用性强，可处理任意约束问题。
- 通过剪枝和启发式（如最小剩余值、动态变量排序）可极大加速。
缺点
- 指数级复杂度，极易爆炸。
- 过度依赖剪枝策略和问题结构。

四、算法横向对比

特性	DFS	BFS	Backtracking
搜索方式	深度优先	广度优先	构造—试探—回溯
数据结构	递归栈 / 显式栈	队列	递归栈
时间复杂度	$T_{\mathrm{DFS}} = O(\|V\| + \|E\|)$	$T_{\mathrm{BFS}} = O(\|V\| + \|E\|)$	$T_{\mathrm{BT}} = O(b^d)$
空间复杂度	O(V）	O(V）	O(d）
最短路径	不保证	保证（无权图）	视问题而定
完整性	可遍历整个连通分量	可遍历所有可达节点	完备（会枚举所有解/证明无解）
剪枝能力	仅防环	仅防环	高度依赖剪枝策略
应用场景	拓扑排序、强连通分量等	最短路径、层次遍历	组合优化、约束满足
优点	简单，内存小	最短路径保证，简单	通用性强，可剪枝
缺点	可能深度过大，易爆栈	空间开销大	指数爆炸，剪枝难设计