DSAA之图论DFS算法,初识回溯(八)

LSTM模型股价波动率预测(含Python代码) 源代码文件可在gzh’finance褪黑素'回复【24012203】获取。 阅读详情

1. 回顾

  • Depth-first search is a generalization of preorder traversal.
  • We implicitly assume that for undirected graphs every edge (v, w) appears twice in the adjacency lists: once as (v, w) and once as (w, v). The procedure in Figure 9.59 performs a depth-first search (and does absolutely nothing else) and is a template for the general style.

因为之前在树的篇章已经接触了无数次前序遍历,所以这里的概念接受起来比较快。以下是DFS的模板,因为二叉树中只有两个分支,所以没有写成for循环的形式,其实两者本质一样。特别的,因为树一定是无环图,且不会重复遍历已经访问过的节点:

void dfs( vertex v ){
	visited[v] = TRUE;
	for each w adjacent to v
		if( !visited[w] )
			dfs( w );
}

2. 分析

  • The (global) boolean array visited[ ] is initialized to FALSE. By recursively calling the procedures only on nodes that have not been visited, we guarantee that we do not loop indefinitely. 树是有向图,且一定无环,前序遍历不会发生loop.但是其他的图就不一定了。
  • If the graph is undirected and not connected, or directed and not strongly connected, this strategy might fail to visit some nodes. We then search for an unmarked node, apply a depth-first traversal there, and continue this process until there are no unmarked nodes.
  • Because this strategy guarantees that each edge is encountered only once, the total time to perform the traversal is O(|E| + |V|), as long as adjacency lists are used.

DFS注意用于遍历非连通图的时候,需要多次调用。对于使用邻接表表示的图,其时间复杂度为O(∣E∣+∣V∣)O(|E| + |V|)O(∣E∣+∣V∣)。

3. 简单应用

  • An undirected graph is connected if and only if a depth-first search starting from any node visits every node. If they are not, then we can find all the connected components and apply our algorithm on each of these in turn.
  • The tree will simulate the traversal we performed. A preorder numbering of the tree, using only tree edges, tells us the order in which the vertices were marked. If the graph is not connected, then processing all nodes (and edges) requires several calls to dfs, and each generates a tree. This entire collection is a depth-first spanning forest, which is so named for obvious reasons.

第二点笔者觉得非常重要,使用DFS解决问题,可以使用树来描述整个遍历过程。如果该图不连通,那么就会产生多个DFS树。可以使用DFS找当前图的连通分支,也可以判断当前图的连通性。

4. < Leetcode > Restore IP Addresses

个人解法
class Solution {
public:
    vector<string> restoreIpAddresses(string s) {
        vector<string> answer;
        dfs(answer,"",s,0,0,0);
        return answer;
    }
    void dfs(vector<string> & answer,string ans,string & s,int idx,int len,int count){
        int tmp=0;
        if(count >= 4 )
            return;
        else if( s[idx] == '0' && len !=1 && len !=0)
            return;
        
        if(len !=0)
             tmp=stoi(s.substr(idx,len));
        if( tmp <= 255){
            if(len != 0){
                if(ans.size() == 0)
                    ans.insert(0,to_string(tmp));
                else
                    ans.insert(ans.size(),to_string(tmp));
                if(++count < 4)  
                    ans.insert(ans.end(),'.');
            }
            
            if(count == 4 && ans.size()==s.size()+3){
                answer.push_back(ans);
                return ;
            }
            for(int i=1;idx+len-1+i<s.size() && i<4;++i)
                dfs(answer,ans,s,idx+len,i,count);
        }
        else
            return;
            
    }
        
};

笔者的写法是按照标准的DFS模板写的,解空间如图,实际上就是回溯算法(实现的比较别扭):

这里写图片描述

优质解法
public List<String> restoreIpAddresses(String s) {
    List<String> solutions = new ArrayList<String>();
    restoreIp(s, solutions, 0, "", 0);
    return solutions;
}

private void restoreIp(String ip, List<String> solutions, int idx, String restored, int count) {
	//递归基准
    if (count > 4) return;
    //满足条件的时候idx==ip字符串长度
    if (count == 4 && idx == ip.length()) solutions.add(restored);
    //len长度有3种可:1,2,3
    for (int i=1; i<4; i++) {
		//剪枝函数
        if (idx+i > ip.length()) break;
        //获取当前拓展节点的解
        String s = ip.substring(idx,idx+i);
        //剪枝函数
        //i==3多余,可以删除
        if ((s.startsWith("0") && s.length()>1) || (i==3 && Integer.parseInt(s) >= 256)) continue;
        //递归调用,此时根据count选择是否添加'.'
        restoreIp(ip, solutions, idx+i, restored+s+(count==3?"" : "."), count+1);
    }
}

实际上面的写法是比较标准的回溯递归实现。当然笔者还未记录到回溯,但是已经在Leetcode遇到太多回溯的题了。

5. 简单了解回溯

回溯方法一般和BFS和DFS结合,也有启发式搜索法,笔者在知乎看到有人将BFS和DFS归结为暴力搜索框架。那么回溯方法就是对暴力搜素的一种优化。
  比如之前做的leetcode中的全排问题,此时单纯变成DFS问题。再比如生产n个’()'的问题,该问题同样可以使用DFS解决,但是有些解是无效的,所以将这些解剔除,在DFS搜索的时候遇到不满足左括号大于等于右括号的情况直接返回,这种行为被称为剪枝,相应的前面的性质称为剪枝函数。
  现在使用Restore IP Addresses的例子,使用回溯法的时候,首先确定解空间,该问题的解空间为x.x.x.x字符串组成的空间,x为0-255的字符。一般将解空间组织成树或者图的形式,方便使用BFS或者DFS,对于该题很显然树的形式更加适合(树也是图的一种),确定解向量(x1,x2,x3,x4),x1为0-255的字符串。该约束也为显约束,对于本题隐约束是x1、x2、x3、x4之间的相互关系(如:x1包含的字符,x2不能再次包含等)。特别的,解空间不一定全满足最优解,需要取舍。
  为了形象描述回溯执行情况,将当前处理的xn的节点称为扩展节点,将未处理的(xn的其他可能取值和xn-1的其他节点等等)节点称为活节点,将当前节点的子节点已经全部处理的节点称为死节点。然后一般回溯问题的解决框架为:

  • 针对所给问题,定义问题的解空间
  • 确定如何表示该解空间(一般概念上,在某些时候需要实际实现)
  • DFS搜索,并使用剪枝函数
  • 常用剪枝函数
    • 约束函数在当前扩展节点处剪去不满足约束的子树
    • 限界函数剪去得不到最优解的子树
  递归实现框架: ```c void backtrack(int t){ if(t>n) output(x); else for(int i=f(n,t);i<=g(n,t);++i){ x[t]=h(i); if(constraint(t)&&bound(t)) backtrack(t); } } ```   其实很多编程手法都属于回溯,但是没有严格按照上面的递归回溯模板去书写,比如笔者前面的代码,就将`x[t]=h(i)`放置在`for`循环外面(然后多了很多初始条件的判断,无语),另外因为递归的执行特点,这种**回退**操作是一直在发生的。

6. 总结

很简单的接触了下回溯,更多体会运用回溯算法还应该在做题实践中。另外因为其是暴力求解法的优化,所以很多问题都可以使用回溯解决。

从零搭建Arduino仿真开发环境:SimulIDE与IDE配置全攻略 本文详细介绍了如何从零搭建Arduino仿真开发环境,涵盖SimulIDE与Arduino IDE的配置全流程。通过仿真模拟环境,开发者可以零成本试错,快速验证电路设计和程序逻辑,特别适合初学者和便携开发需求。文章提供了软件安装、环境配置、项目实战及问题排查的完整指南,帮助读者高效掌握Arduino仿真开发技巧。 阅读详情

相关推荐

高动态范围结构光三维测量技术:从多曝光融合到深度学习的演进与应用

本文深入探讨了高动态范围结构光三维测量技术的演进与应用,从传统的多曝光融合技术到深度学习驱动的创新方案。通过工业案例展示了该技术在提升测量精度和效率方面的显著优势,特别是在处理高反光、复杂表面时的突破性表现。文章还提供了针对不同工业场景的技术选型指南,帮助工程师优化三维测量解决方案。

weixin_29063979的博客 293

DFS+回溯算法专题

基础知识 回溯法是一种选优搜索法(试探法),被称为通用的解题方法,这种方法适用于解一些组合数相当大的问题。通过剪枝(约束+限界)可以大幅减少解决问题的计算量(搜索量)。 深度优先搜索(Depth-First-Search,DFS)是一种用于遍历或搜索树或图的算法。沿着树的深度遍历树的节点,尽可能深的搜索树的分支。当节点v的所在边都己被探寻过,搜索将回溯到发现节点v的那条边的起始节点。这一过程一直进行到已发现从源节点可达的所有节点为止。如果还存在未被发现的节点,则选择其中一个作为源节点并重复以上过程,整个进程

Ian Wong 4451

鸿蒙系统下基于WebRTC的高效音视频通话开发实战

本文详细介绍了在鸿蒙系统下集成WebRTC技术实现高效音视频通话的实战开发。通过分析鸿蒙分布式软总线与WebRTC低延迟特性的结合优势,提供了从环境搭建、NAPI桥接层开发到音视频采集、P2P连接建立与渲染的完整流程。文章重点探讨了如何利用鸿蒙特性进行性能优化,包括网络自适应、抗抖动策略及系统级调优,旨在帮助开发者构建稳定、低延迟的实时通信应用。

night的博客 573

回溯算法-DFS

从问题的某一种状态(初始状态)出发,搜索从这种状态出发所能达到的所有“状态”,当一条路走到“尽头”的时候(不能再前进),再后退一步或若干步,从另一种可能“状态”出发,继续搜索,直到所有的“路径”(状态)都试探过。这种不断“前进”、不断“回溯”寻找解的方法,就称作“回溯法”。

weixin_59509549的博客 1873

2024年最新双摄像头的实时视频拼接及目标跟踪(一)_监控视频拼接实时(1),网络相关+C C++三方库的源码分析+数据结构与算法

opencv中采用了SURF,ORB进行特征点提取,如果装的是opencv2.0版本,则可以直接用SURF,如果是3.0版本,则需要下载相应的contrib库进行安装。原理不赘述,给出其实验结果对比和分析,原始图像1SURF特征点提取网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。需要这份系统化的资料的朋友,可以添加戳这里获取一个人可以走的很快,但一群人才能走的更远!

m0_51437227的博客 939

Docker启动安装nacos(详情讲解,全网最细)

docker安装nacos保姆级教程

ilvjiale的博客 8万+

彻底搞懂dfs与回溯

深度优先搜索dfs,其过程是对每一个可能的分支路径深入到不能再深入为止,是一种广泛用于树和图中搜索路径,和其他情况下搜索需要的情况的算法。

m0_61735576的博客 4952

FreeRTOS任务调度实战:如何让STM32同时处理温湿度采集、OLED显示和云端通信

本文通过一个基于STM32的物联网终端项目,详细讲解了如何利用FreeRTOS实现多任务调度,同时处理温湿度采集、OLED显示和云端通信。文章深入探讨了任务规划、堆栈分配、信号量与消息队列等核心机制,并重点优化了ESP8266通信任务的非阻塞设计与稳定性,为构建响应迅速、运行可靠的嵌入式系统提供了实战指南。

weixin_29188043的博客 333

DFS算法系列 回溯

DFS算法系列-回溯(超详细)

Mwt258的博客 1487

Qlib数据获取避坑指南:从CSV导入到自定义数据源的完整解决方案

本文详细解析了Qlib数据获取的完整解决方案,从CSV导入到自定义数据源,涵盖了股票数据处理的关键技巧和常见陷阱。特别针对Qlib平台的数据格式要求和复权处理提供了实用指南,帮助量化投资者高效整合Wind等第三方数据源,确保数据质量与模型性能。

weixin_29047919的博客 306

【OpenClaw从入门到精通】第12篇:OpenClaw 2026子代理实战全攻略:用ACP架构搭建多智能体协作网络(附完整代码)

本文聚焦OpenClaw 2026.3.2版本默认启用的ACP(Agent Communication Protocol)子代理机制,从核心概念、底层原理到企业级实操全流程拆解。先解析子代理的定义、ACP协议通信原理及主从代理分工逻辑,再提供环境准备的详细步骤(版本验证、配置调整、技能安装);随后通过三个递进式虚拟案例(客服分流、智能文档处理、企业级招聘全流程),提供可直接运行的完整代码、执行结果及技术要点解析;最后补充子代理管理运维、性能优化与避坑指南。

专注于人工智能、软件开发、工控自动化、工厂数字化及智能化等领域,希望和大家共同进步! 2387

数据结构与算法-暴力搜索之DFS(回溯)

1:树枝去重2:树层去重3:重复取导致去重4:重复元素导致去重5:不重复选择导致去重。

qwertyasdfghh的博客 1064

uni-app - 解决 H5 微信公众号授权登录后,无法回退到 “上一页“ 的问题(微信登录后如何返回到触发它的那一页?无法通过 uni.navigateBack() 返回到前一页的问题?)详细教程

uniappH5微信登录重定向后无法返回到原来进入前的页面了,uni-appH5微信浏览器中授权微信登录后,无法正常回退问题,uniappH5微信登录后怎么返回上一页,uniapp公众号登陆后使用uni.navigateBack()回不去上一页,uniapp微信登录成功后返回页面后一直自动刷新页面,uniapph5授权成功后如何返回上一页,uniappH5微信登录后怎么返回到触发它的那一页去,公众号h5在授权后如何跳转回到刚进入时的页面,微信公众号H5网页返回上一页疑问,解决微信H5静默授

🏆 前端领域优质创作者 7716

DSAA之图论DFS生成树和查找强连通分支(十)

1. 回顾   DSAA之图论DFS算法,初识回溯(八)的重点扩展了回溯算法,忽略了DFS生成树的若干问题。研究DFS生成树是必要的,因为其有些比较重要的应用,如:Biconnectivity。 2. 无向图生成树 We graphically illustrate these steps with a depth-first spanning tree. The root ...

LoveStackover的博客 202

WINCC7.3破解文件

WINCC7.3硬件够破解文件,有需要的下载!WINCC7.3硬件够破解文件,有需要的下载!

老版QQ原生表情gif动态

这是老版的QQ表情,不过全是动态的的,Windows照片查看器是不会动的,可以右击用浏览器打开查看,再说一遍是老版的,只是分享给宁愿用老版也要动态的人。

图解DFS和回溯(字符串的排列c++)

算法学习笔记4 文章目录一、DFS和回溯1.1 DFS1.1.1 BFS和DFS比较1.1.2 DFS搜索过程1.1.3 DFS中深度作用1.2 回溯1.2.1 回溯算法的框架1.2.2 回溯-全排列问题1.2.3 回溯-N皇后问题二、字符串的排列2.1 题目描述2.2 思考2.3 代码实现 一、DFS和回溯 1.1 DFS 参考【算法入门】深度优先搜索(DFS)。 1.1.1 BFS和DFS比较 先比较下BFS和DFS: BFS在树的层次较深&子节点数较多的情况下,消耗内存十分严重。BFS适用

weixin_44583856的博客 2493

Probability and Statistics - 4th edition

Probability and Statistics - 4th edition

回溯与DFS

一丶DFS 深度优先搜索(Depth-First-Search,DFS)是一种用于遍历或搜索树或图的算法 二丶回溯法=DFS+剪枝 适用于组合数相当大按 [深度优先策略] ,根节点出发搜索空间树,搜索任意节点是否包含问题的解,不包含回溯,否则,继续进行深度优先搜索 通过 [剪枝函数] 约束条件 (constraint) 在扩展结点处减去不满足约束的子树;用限界函数(bound)剪去得不到最优解的子树(假如我们只需要最优解的时候用) 避免不必要搜索的穷举式搜索 回溯法模板 vector<int>

qq_42146775的博客 3231

OV9734 DATASHEET,完整规格书

OV9734完整规格书,包括电气参数,尺寸规格,寄存器配置表等

回溯详解以及与 DFS 算法的关联

概述 回溯法是一种选优搜索法(试探法),被称为通用的解题方法,这种方法适用于解一些组合数相当大的问题。通过剪枝(约束+限界)可以大幅减少解决问题的计算量(搜索量)。 深度优先搜索(Depth-First-Search,DFS)是一种用于遍历或搜索树或图的算法。沿着树的深度遍历树的节点,尽可能深的搜索树的分支。当节点v的所在边都己被探寻过,搜索将回溯到发现节点v的那条边的起始节点。这一过程一直进行到...

Herishwater的博客 5999

DFS中的回溯法(纯暴力穷举)

首先回溯法是深度搜索(DFS)的一种,即把所有可能穷举,根据条件筛选出符合条件的路径。 回溯法模板格式 dfs(...){ //根据递归终止条件进行筛选 if(符合需要的条件){ 存储合理路径 return ...; } //对可能路径进行遍历 for(int i=起始条件;i<极限边界;i++){ 向路径便令中添加元素 //进行下一轮搜索 def(...); //深度优化的回头 ...removeLast(); } return ...; } 下面举一个leetCode上的题目: 给出正整数n,k

weixin_49823868的博客 1144

[算法和数据结构]--回溯算法之DFS初识

回溯法(back tracking)(探索与回溯法)回溯算法实际上一个类似枚举的搜索尝试过程,主要是在搜索尝试过程中寻找问题的解,当发现已不满足求解条件时,就“回溯”返回,尝试别的路径。回溯法是一种选优搜索法,按选优条件向前搜索,以达到目标。但当探索到某一步时,发现原先选择并不优或达不到目标,就退回一步重新选择,这种走不通就退回再走的技术为回溯法,而满足回溯条件的某个状态的点称为“回溯点”。也可以称为剪枝点,所谓的剪枝,指的是把不会找到目标,或者不必要的路径裁剪掉。

weixin_66409969的博客 1248

力扣方法总结:回溯(DFS)篇

回溯

南航小菜鸡 361

从全排列引申出来的算法——回溯DFS

回溯思想简单来说:从一条路往前走,能进则进,不能进则退回来,换一条路再试。当然这样也太抽象了,运用在算法里面的思想就是转化为树和图。回溯法思路的简单描述是:把问题的解空间转化成了图或者树的结构表示,然后使用深度优先搜索策略进行遍历,遍历的过程中记录和寻找所有可行解或者最优解。 和动态规划一样,也有一个三板斧: 1.dfs函数参数的确定 2.确定递归终止条件 3.确定单层搜索逻辑 回溯算法适合:由多个步骤组成的问题,并且每个步骤都有多个选择项,所有就是类似一个树形结构。 如果总结一下的话.

m0_60360320的博客 454

【DFS+回溯】DFS(深度优先搜索)与回溯解决组合优化、路径搜索

DFS与回溯结合是解决组合优化和路径搜索问题的核心策略,其本质是通过递归框架实现深度优先遍历,并利用状态记录与撤销机制实现回溯。关键点在于:1)DFS提供遍历框架,递归深入探索所有分支;2)回溯通过选择和撤销操作(如添加/移除路径元素)实现状态重置;3)剪枝优化提前终止无效分支。典型应用包括全排列(状态管理避免重复)、子集生成(排序剪枝去重)、二叉树路径统计(频次回溯)和单词搜索(网格状态恢复)。设计时需确保状态一致性、前置剪枝优化,并对超深路径考虑迭代实现。该组合能高效枚举解空间,适用于排列组合、路径搜索

学习代码 839

DFS(深度优先搜索)与回溯算法详解

深度优先搜索(Depth-First Search,DFS)是一种用于遍历或搜索树或图的算法。

2301_80045122的博客 2246

回溯算法DFS应用

文章目录一、算法思想二、算法模板三、经典例题 一、算法思想 回溯算法实际上是将多叉树结构的问题,采用类似枚举的方式,把问题的所有可能性全部罗列出来。当在搜索的过程中发现不满足给定条件的选项,就将该分支去掉,这个操作通常被称为“剪枝”,再回退到上一步(回溯),尝试别的路径,直到最后找完所有路径。 二、算法模板 将问题转化为多叉树结构 三、经典例题 ...

Emperor10的博客 1660

深度优先搜索(DFS)——回溯法

提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档 文章目录前言1、深度优先搜索(DFS)1.1DFS——回溯法二、使用步骤1.引入库2.读入数据总结 前言 提示:这里可以添加本文要记录的大概内容: 例如:随着人工智能的不断发展,机器学习这门技术也越来越重要,很多人都开启了学习机器学习,本文就介绍了机器学习的基础内容。 提示:以下是本篇文章正文内容,下面案例可供参考 1、深度优先搜索(DFS) 假设我们在一个迷宫里,以当前的位置为起点,沿着一条路向前走,但凡碰到岔道口时,选择其中的一个岔

J_pluto的博客 1386

DFS的递归和回溯

DFS(深度优先搜索)本质上是递归与回溯的协同机制。递归作为DFS的"骨架",通过函数自我调用实现深度探索,包含"递"(深入调用)和"归"(逐层返回)两个阶段。DFS在此基础上加入路径记录和状态标记,形成"带路径的递归"。回溯则是DFS的精髓,通过撤销选择恢复状态,实现路径重试。二者配合形成"深入探索→回溯→尝试新路"的循环,适用于路径搜索、组合问题等场景。递归与回溯缺一不可:递归提供深入能力,回溯确保全面探

巴巴博一巴巴博一巴巴博一 1130
上一篇: DSAA之图论Prim算法(六)
下一篇: 《DP学习系列》从零开始学习动态规划,泛化物品(八)
LoveStackover
博客等级 码龄9年 14粉丝 57原创
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值