bfs和dfs的区别?

参考:

https://blog.youkuaiyun.com/yishuige/article/details/51769997

 

 实现方法基本思想解决问题N规模
DFS栈/递归回溯法,一次访问一条路,更接近人的思维方式,所有解问题,或连通性问题不能太大,<=200
BFS队列分治限界法,一次访问多条路,每一层需要存储大量信息最优解问题,如最短路径可以比较大,因为可以用队列解决,<=1000

 

### BFS DFS 的主要区别 #### 1. **定义** 宽度优先搜索(BFS)是一种逐层扩展的方式,按照从起始节点出发的距离逐步探索邻近节点[^2]。 深度优先搜索(DFS)则采用递归方式深入某个分支直到达到终点或者遇到死胡同才返回其他路径继续探索[^3]。 #### 2. **数据结构** - BFS 使用队列作为其核心的数据存储机制来实现先进先出的原则,从而保证每一层中的所有节点都被处理完毕后再进入下一层级[^4]。 - 而 DFS 则依赖栈来进行操作,默认情况下可以利用函数调用堆栈完成这一功能。 #### 3. **性能表现** 对于寻找最短路径的问题来说,通常推荐使用 BFS 方法因为它是基于层数展开搜索的特性决定了它能找到距离起点最近的目标位置;相对而言,在面对复杂树形结构时如果只关心是否存在某种符合条件的结果而不考虑具体长度的话,则可以选择效率更高的 DFS 方案由于后者无需维护庞大的待访问列表即可快速抵达深层区域[^1]。 ```python from collections import deque def bfs(graph, start): visited = set() queue = deque([start]) while queue: vertex = queue.popleft() # 队首元素出队 if vertex not in visited: # 如果该顶点尚未被访问过 visited.add(vertex) # 将当前顶点加入已访问集合 for neighbor in graph[vertex]: if neighbor not in visited: queue.append(neighbor) # 把相邻顶点入队 return visited def dfs_recursive(graph, node, visited=None): if visited is None: visited = set() visited.add(node) for next_node in graph[node]: if next_node not in visited: dfs_recursive(graph, next_node, visited) return visited ``` ### 应用场景对比表 | 特性/算法 | BFS | DFS | |-----------|-----------------------------------------------------------------------------------------|-------------------------------------------------------------------------------------| | 最短路径 | 可以找到两点间最短路径 | 不一定能得到最短路径 | | 环路检测 | 需要额外标记防止重复访问 | 自动通过回溯避免无限循环 | | 层次遍历 | 按照层次顺序输出 | 无法直接按层次顺序输出 | | 大规模图 | 对于非常大的图可能会消耗较多内存 | 更加节约内存 | --- ###
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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