每日一问：深度优先搜索和广度优先搜索

每日一问：深度优先搜索和广度优先搜索

在计算机科学与图论领域，深度优先搜索（DFS）和广度优先搜索（BFS）是两种常见的图遍历算法。它们在处理树或图的搜索、遍历和路径查找等问题中广泛应用。尽管两者的目的相似，但它们的实现方式和应用场景有所不同。本文将通过概念解析、原理讲解、C++代码示例和实际应用，深入探讨这两种算法的核心思想和适用场景。

---

概述

深度优先搜索和广度优先搜索是解决图论问题的两种基本算法。DFS 更倾向于沿着一条路径尽可能深入，而 BFS 则更注重逐层扩展节点。这两种算法不仅在学术研究中广受关注，在实际应用中也发挥着不可或缺的作用，如迷宫寻路、网络抓取、社会网络分析等。

一、深度优先搜索（DFS）

1.1 概念与原理

深度优先搜索是一种以尽可能深入的方式遍历或搜索图中节点的算法。它优先访问未被访问的相邻节点，直到到达最深处的节点，然后回溯到前一个节点继续搜索其他路径。DFS 通常使用栈结构来记录回溯的路径。

1.2 示例图与遍历过程

以下示例图是一个简单的无向图，其中节点用整数表示，边表示相邻节点之间的连接关系。DFS 从节点1开始进行遍历。

遍历过程如下：

1. 从节点1开始，访问节点1，并标记为已访问。
2. 选择节点1的第一个邻居节点2，访问并标记为已访问。
3. 继续选择节点2的第一个邻居节点4，访问并标记为已访问。由于节点4没有未访问的邻居，回溯到节点2。
4. 访问节点2的下一个邻居节点5，访问并标记为已访问。
5. 节点5有一个未访问的邻居节点6，继续访问节点6，并标记为已访问。
6. 节点6没有未访问的邻居，回溯到节点5，然后回溯到节点2，再回溯到节点1。
7. 访问节点1的下一个未访问邻居节点3，访问并标记为已访问。节点3有一个邻居节点6，但节点6已访问过，DFS 完成。

1.3 C++代码示例

以下是用 C++ 实现的深度优先搜索算法：

#include <iostream>
#include <vector>
#include <unordered_set>using namespace std;// 深度优先搜索函数
void dfs(int node, const vector<vector<int>>& graph, unordered_set<int>& visited) {visited.insert(node);  // 将当前节点标记为已访问cout << node << " ";  // 输出当前访问的节点// 递归访问所有未访问的相邻节点for (int neighbor : graph[node]) {if (visited.find(neighbor) == visited.end()) {dfs(neighbor, graph, visited);}}
}int main() {// 定义图的邻接表表示法vector<vector<int>> graph = {{},          // 节点0没有使用{2, 3},      // 节点1的邻居是2和3{4, 5},      // 节点2的邻居是4和5{6},         // 节点3的邻居是6{},          // 节点4没有邻居{6},         // 节点5的邻居是6{}           // 节点6没有邻居};unordered_set<int> visited;  // 初始化已访问节点集合dfs(1, graph, visited);  // 从节点1开始进行深度优先搜索return 0;
}

输出示例：

1 2 4 5 6 3 

代码通过递归函数实现了 DFS 的核心思想：从一个起始节点出发，尽可能深的探索每一条路径，直至所有路径被遍历完成。

二、广度优先搜索（BFS）

2.1 概念与原理

广度优先搜索是一种逐层遍历图中节点的算法。它从一个起始节点开始，先访问所有邻居节点，然后对每个邻居节点的邻居进行访问，逐层扩展。BFS 通常使用队列结构来记录节点访问的顺序。

2.2 示例图与遍历过程

以下是同样的无向图，用于演示广度优先搜索的遍历过程。

遍历过程如下：

1. 从节点1开始，访问节点1，并将其标记为已访问。
2. 将节点1的所有邻居节点2和3加入队列。
3. 访问队列中的第一个节点2，并标记为已访问。将节点2的邻居节点4和5加入队列。
4. 访问队列中的下一个节点3，并标记为已访问。将节点3的邻居节点6加入队列。
5. 依次访问队列中的节点4、5和6，标记为已访问。由于节点5的邻居节点6已经访问过，BFS 在访问节点6后结束。

2.3 C++代码示例

以下是用 C++ 实现的广度优先搜索算法：

#include <iostream>
#include <vector>
#include <queue>
#include <unordered_set>using namespace std;// 广度优先搜索函数
void bfs(int start, const vector<vector<int>>& graph) {unordered_set<int> visited;  // 初始化已访问节点集合queue<int> q;  // 初始化队列q.push(start);  // 将起始节点入队visited.insert(start);  // 将起始节点标记为已访问while (!q.empty()) {int node = q.front();q.pop();  // 出队一个节点cout << node << " ";  // 输出当前访问的节点// 将所有未访问的相邻节点入队for (int neighbor : graph[node]) {if (visited.find(neighbor) == visited.end()) {q.push(neighbor);visited.insert(neighbor);  // 将节点标记为已访问}}}
}int main() {// 定义图的邻接表表示法vector<vector<int>> graph = {{},          // 节点0没有使用{2, 3},      // 节点1的邻居是2和3{4, 5},      // 节点2的邻居是4和5{6},         // 节点3的邻居是6{},          // 节点4没有邻居{6},         // 节点5的邻居是6{}           // 节点6没有邻居};bfs(1, graph);  // 从节点1开始进行广度优先搜索return 0;
}

输出示例：

1 2 3 4 5 6 

代码使用队列结构来实现 BFS 的核心思想：从一个起始节点出发，逐层访问每一层的所有节点，直到遍历完成。

三、DFS 与 BFS 的比较

为了更直观地理解 DFS 和 BFS 的区别，以下是两种算法的对比表：

特性	深度优先搜索（DFS）	广度优先搜索（BFS）
主要数据结构	栈（隐式使用递归实现）	队列
遍历策略	尽可能深入每一条路径	逐层扩展，优先访问与起始节点距离最近的节点
适用场景	更适合用于解决路径存在性、拓扑排序等问题	更适合用于寻找最短路径、层次遍历等问题
实现复杂度	较为简单，使用递归实现	较为复杂，需要显式使用队列管理节点

四、结论

深度优先搜索和广度优先搜索是两种强大且常用的图遍历算法，各自具有独特的优势和适用场景。DFS

擅长处理需要探索所有路径的问题，而 BFS 更适合用于寻找最短路径。理解这两种算法的原理和应用场景，将有助于解决实际中涉及图遍历的各种问题。

无论是算法竞赛还是工程应用，掌握 DFS 和 BFS 都是计算机科学领域的基础技能。在实际应用中，选择合适的算法可以极大地提高问题解决的效率和效果。

✨ 我是专业牛，一个渴望成为大牛🏆的985硕士🎓，热衷于分享知识📚，帮助他人解决问题💡，为大家提供科研、竞赛等方面的建议和指导🎯。无论是科研项目🛠️、竞赛🏅，还是图像🖼️、通信📡、计算机💻领域的论文辅导📑，我都以诚信为本🛡️，质量为先！🤝 如果你觉得这篇文章对你有所帮助，别忘了点赞👍、收藏📌和关注🔔哦！你的支持是我继续分享知识的动力🚀！✨ 如果你有任何问题或需要帮助，随时留言📬或私信📲，我都会乐意解答！😊