网站设计怎么做链接怎么申请自己的网站
目录
一、BFS 和 DFS 的核心思想
1. BFS（广度优先搜索）
2. DFS（深度优先搜索）
二、BFS 和 DFS 的对比
三、C++ 代码实现
1. BFS 实现（邻接表表示的无向图）
2. DFS 实现（递归与迭代两种方式）
四、关键细节说明
1. BFS 的关键点
2. DFS 的关键点
五、应用场景对比
六、总结
一、BFS 和 DFS 的核心思想
1. BFS（广度优先搜索）
-
核心思想：按“层级”逐层遍历，先访问离起点最近的节点，再逐步向外扩散。
-
类比：类似水波扩散，一层一层向外推进。
-
数据结构：队列（FIFO）。
-
适用场景：最短路径（未加权图）、社交网络层级关系、迷宫最短路径。
2. DFS（深度优先搜索）
-
核心思想：沿着一条路径尽可能深入，直到无法继续时回溯，尝试其他分支。
-
类比：走迷宫时，遇到岔路选择一条路走到头，再返回选择其他路。
-
数据结构：栈（LIFO）或递归调用栈。
-
适用场景：拓扑排序、连通性检测、回溯问题（如八皇后）、图的环路检测。
二、BFS 和 DFS 的对比
| 特性 | BFS | DFS |
|---|---|---|
| 遍历顺序 | 层级遍历（近到远） | 深度优先（一条路走到黑） |
| 数据结构 | 队列（先进先出） | 栈（后进先出）或递归 |
| 空间复杂度 | O(N)（最坏情况，如完全二叉树） | O(H)（H为树的高度，平衡树时为 O(logN)） |
| 时间复杂度 | O(N + E)（N为节点数，E为边数） | 同左 |
| 最短路径 | 天然支持（未加权图） | 需额外处理（如记录路径长度） |
| 内存消耗 | 较高（存储每一层节点） | 较低（仅存储当前路径） |
| 实现复杂度 | 简单（固定队列操作） | 递归简单，迭代需显式栈 |
三、C++ 代码实现
1. BFS 实现（邻接表表示的无向图）
#include <iostream>
#include <queue>
#include <vector>
using namespace std;void bfs(const vector<vector<int>>& graph, int start) {vector<bool> visited(graph.size(), false);queue<int> q;q.push(start);visited[start] = true;while (!q.empty()) {int node = q.front();q.pop();cout << node << " "; // 访问节点// 遍历当前节点的所有邻居for (int neighbor : graph[node]) {if (!visited[neighbor]) {visited[neighbor] = true;q.push(neighbor);}}}
}// 示例图结构
vector<vector<int>> graph = {{1, 2}, // 节点0的邻居{0, 3, 4}, // 节点1的邻居{0, 5, 6}, // 节点2的邻居{1}, // 节点3的邻居{1}, // 节点4的邻居{2}, // 节点5的邻居{2} // 节点6的邻居
};int main() {cout << "BFS遍历结果: ";bfs(graph, 0); // 输出: 0 1 2 3 4 5 6return 0;
}2. DFS 实现（递归与迭代两种方式）
// 递归实现
void dfsRecursive(const vector<vector<int>>& graph, int node, vector<bool>& visited) {visited[node] = true;cout << node << " "; // 访问节点for (int neighbor : graph[node]) {if (!visited[neighbor]) {dfsRecursive(graph, neighbor, visited);}}
}// 迭代实现（显式栈）
void dfsIterative(const vector<vector<int>>& graph, int start) {vector<bool> visited(graph.size(), false);stack<int> s;s.push(start);visited[start] = true;while (!s.empty()) {int node = s.top();s.pop();cout << node << " ";// 反向遍历邻居以保证与递归顺序一致for (auto it = graph[node].rbegin(); it != graph[node].rend(); ++it) {if (!visited[*it]) {visited[*it] = true;s.push(*it);}}}
}int main() {cout << "DFS递归遍历结果: ";vector<bool> visited(graph.size(), false);dfsRecursive(graph, 0, visited); // 输出: 0 1 3 4 2 5 6cout << "\nDFS迭代遍历结果: ";dfsIterative(graph, 0); // 输出: 0 1 3 4 2 5 6return 0;
}四、关键细节说明
1. BFS 的关键点
-
队列操作：每次从队头取出节点，并将未访问的邻居加入队尾。
-
最短路径：BFS 首次访问到目标节点时，路径一定是最短的（适用于未加权图）。
-
空间复杂度：最坏情况下需存储所有节点（如完全二叉树最后一层）。
2. DFS 的关键点
-
递归与栈：递归隐式使用系统栈，迭代显式使用栈。
-
遍历顺序：迭代实现中，若按正序访问邻居，结果可能与递归顺序不同（需反向遍历邻居）。
-
应用场景：适合探索所有可能性（如回溯问题），但可能陷入深层分支无法及时返回。
五、应用场景对比
| 问题类型 | 推荐算法 | 原因 |
|---|---|---|
| 未加权图最短路径 | BFS | 天然支持最短路径 |
| 图的连通性检测 | DFS/BFS | 二者均可快速遍历所有连通节点 |
| 拓扑排序 | DFS | 天然支持后序遍历的逆序 |
| 迷宫所有路径 | DFS | 回溯特性适合探索所有可能路径 |
| 社交网络层级关系分析 | BFS | 按层遍历符合实际场景 |
| 检测环路 | DFS | 通过回溯标记路径，容易检测重复访问 |
六、总结
-
BFS 适合“广度优先”问题，如最短路径；DFS 适合“深度优先”问题，如回溯和连通性。
-
代码实现：BFS 用队列，DFS 用栈或递归，注意遍历顺序和空间消耗。
-
选择依据：根据问题特性（如是否需要最短路径、内存限制）选择算法。