深度优先搜索DFS

深度优先搜索DFS

作为搜索算法的一种,DFS对于寻找一个解的 NP(包括NPC)问题作用很大。但是,搜索算法毕竟是 时间复杂度是O(n!)的阶乘级算法,它的效率比较低,在数据规模变大时,这种算法就显得力不从心了。
关于深度优先搜索的效率问题,有多种解决方法。最具有通用性的是剪枝(prunning),也就是去除没有用的搜索分支。有可行性剪枝和最优性剪枝两种。此外,对于很多问题,可以把搜索与动态规划(DP,dynamic programming)、完备匹配( 匈牙利算法)等高效算法结合
N皇后问题

#include<cstdio>
#include<iostream>
#include<cstring>
using namespace std;
int n;
int ans=0;
bool a[20];
bool x1[20];
bool y1[20];
void dfs(int x) 
{
    if (x>n)
    {
        ans++;
        return;
    }
    for (int i=1;i<=n;i++)
    {
        if (x1[i+x]==false&&y1[i-x+n]==false&&a[i]==false)
        {
            x1[x+i]=true;
            y1[i-x+n]=true;
            a[i]=true;
            dfs(x+1);
            a[i]=false;
            x1[x+i]=false;
            y1[i-x+n]=false;
        }
    }
}
int main()
{
    scanf ("%d",&n);
    memset(a,false,sizeof(a));
    memset(x1,false,sizeof(x1));
    memset(y1,false,sizeof(y1));
    dfs(1);
    printf ("%d",ans);
    return 0;
}






### 深度优先搜索算法 (DFS) 的实现及应用 #### 一、DFS 算法思想 深度优先搜索是一种用于遍历或搜索树或图的算法。该方法会尽可能深地探索子节点,当无法继续前进时则回退到上一个节点并尝试其他分支[^1]。 #### 二、DFS 算法实现 ##### (一)递归实现 通过函数调用来模拟栈的行为是最直观的方式之一来执行 DFS 。下面是一个简单的 Python 版本: ```python def dfs_recursive(graph, node, visited=None): if visited is None: visited = set() if node not in visited: print(node) visited.add(node) for neighbour in graph[node]: dfs_recursive(graph, neighbour, visited) ``` 此版本利用了Python内置的数据结构`set()` 来跟踪已访问过的顶点集合;每当遇到新的未被标记的位置就打印出来,并对其相邻位置重复相同的操作直至整个连通分量都被覆盖完毕。 ##### (二)非递归实现 为了更高效地控制内存分配以及处理大规模数据集的情况,可以采用显式的堆栈机制代替隐含于递归中的系统调用栈来进行迭代式 DFS : ```python from collections import deque def dfs_iterative(graph, start_node): stack, path = [start_node], [] while stack: vertex = stack.pop() if vertex in path: continue path.append(vertex) print(vertex) # Add all unvisited neighbors to the top of the stack. for neighbor in reversed(graph[vertex]): if neighbor not in path and neighbor not in stack: stack.append(neighbor) return path ``` 这里使用列表作为 LIFO 队列(即后进先出),每次取出最后一个加入队列里的元素进行扩展操作,同时记录下已经走过的路径防止循环访问同一节点多次。 #### 三、DFS 应用场景 - **图的遍历** 对给定无向图 G=(V,E),从任意起点出发按照某种顺序依次访问所有可达顶点的过程被称为广义上的 “遍历”。而基于 DFS 可以很容易完成这一任务,在实际编码过程中只需稍作修改即可适应不同类型的输入格式[^2]。 - **拓扑排序** 如果目标是找出有向无环图(DAG) 中各事件发生的先后次序,则可通过逆向构建森林的方法得到满足条件的结果序列——具体做法是在常规流程结束后额外维护一个全局变量 `order[]`, 将每轮结束后的当前结点编号压入其中最后反转数组输出即为所求。 - **连通性分析** 利用 DFS 探索网络内部连接情况有助于判断是否存在孤立部分或是计算强/弱联通区域数量等问题。对于大型社交平台而言尤其重要因为这关系着用户体验的好坏程度。 - **回溯算法** 当面临组合优化类难题比如数独游戏求解器设计时往往借助此类技术框架快速枚举潜在方案空间从而找到最优解或者可行解其中之一。 - **迷宫求解** 给定二维网格地图表示障碍物分布状况之后便能运用上述原理规划机器人行走路线确保能够顺利抵达终点而不碰壁撞墙。
评论
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