简单DFS—n-皇后问题,BFS—走迷宫

一. DFS与BFS概述

(一). DFS与BFS遍历过程的区别

Ⅰ. DFS

在这里插入图片描述

从一个点开始遍历,一条道走到黑,真的无路可走时,回溯到上一步,此时若有另一条路,则继续走,若没有,继续回溯……直到所有的点全部遍历一遍以后结束。

Ⅱ. BFS

在这里插入图片描述

从一个点开始,一层一层的遍历。

(二). DFS与BFS区别

数据结构空间最短性
DFSstackO(h)不具最短性
BFSqueueO(2h具有最短性

(三). DFS与BFS的应用场景

  1. 因为BFS是从根节点开始一层一层遍历的,那么搜索到的第一个答案一定是离根节点最近的点,所以BFS具有最短性,但是DFS不一定。
  2. 因为BFS的最短性,所以题意是与最短路,最小参数有关时,可以使用BFS(边权都是1时才可以用BFS)。
  3. 若题的思想比较奇怪或者对空间深度(及高度)要求高的可以使用DFS

二. DFS例题—n-皇后问题

题目

n-皇后问题是指将 n 个皇后放在 n∗n 的国际象棋棋盘上,使得皇后不能相互攻击到,即任意两个皇后都不能处于同一行、同一列或同一斜线上。
在这里插入图片描述
现在给定整数n,请你输出所有的满足条件的棋子摆法。

输入格式
共一行,包含整数n。

输出格式
每个解决方案占n行,每行输出一个长度为n的字符串,用来表示完整的棋盘状态。

其中”.”表示某一个位置的方格状态为空,”Q”表示某一个位置的方格上摆着皇后。

每个方案输出完成后,输出一个空行。

输出方案的顺序任意,只要不重复且没有遗漏即可。

数据范围
1≤n≤9
输入样例:
4
输出样例:
.在这里插入图片描述

C++代码实现

#include<iostream>

using namespace std;

const int N = 20;
char p[N][N]; //存储当前找到的一组方案
bool col[N], dg[N], udg[N];//col[]:同一列; dg[N]:对角线;udg[N]:反对角线......用bool表明当前列,对角线,反对角线有没有皇后
int n;

void dfs(int u)
{
    if(u == n)
    {
        for(int i = 0; i < n; i++) puts(p[i]); //输出当前的方案
        puts("");
        
        return ; //当前遍历已经结束,回溯到上一步
    }
    
    
    
    //枚举第u行皇后应该放到那一列
    for(int i = 0; i < n; i++)
    {
        if(!col[i] && !dg[u + i] && !udg[n - u + i]) //这一列,对角线,反对角线都没有放过皇后
        {
            p[u][i] = 'Q'; //将皇后放在当前位置
            col[i] = dg[u + i] = udg[n - u + i] = true; //这一列,对角线,反对角线全都不能再有皇后
            dfs(u + 1); //遍历下一个放皇后的位置
            
            //当当前的dfs()结束的时候,就要回溯到上一步,就要恢复i,表明没有被用过
            col[i] = dg[u + i] = udg[n - u + i] = false; 
            p[u][i] = '.';
        }
    }
}

int main()
{
    cin >> n;
    
    for(int i = 0; i < n; i++) 
        for(int j = 0; j < n; j++)
            p[i][j] = '.'; 
    
    dfs(0);
    return 0;
}

三. BFS例题—走迷宫

题目

给定一个n*m的二维整数数组,用来表示一个迷宫,数组中只包含0或1,其中0表示可以走的路,1表示不可通过的墙壁。

最初,有一个人位于左上角(1, 1)处,已知该人每次可以向上、下、左、右任意一个方向移动一个位置。

请问,该人从左上角移动至右下角(n, m)处,至少需要移动多少次。

数据保证(1, 1)处和(n, m)处的数字为0,且一定至少存在一条通路。

输入格式
第一行包含两个整数n和m。

接下来n行,每行包含m个整数(0或1),表示完整的二维数组迷宫。

输出格式
输出一个整数,表示从左上角移动至右下角的最少移动次数。

数据范围
1≤n,m≤100

样例
输入样例:
5 5
0 1 0 0 0
0 1 0 1 0
0 0 0 0 0
0 1 1 1 0
0 0 0 1 0
输出样例:
8
在这里插入图片描述

C++代码实现

#include<iostream>
#include<algorithm>
#include<cstring>

using namespace std;

typedef pair<int, int> PII;
const int N = 110;

//之前一直不知道这两个函数是怎么来的,原来是上下左右四个点的坐标:(x-1, y), (x+1,y), (x, y-1), (x,y+1) 把x和y拆成了两个函数dx[]和dy[]
int dx[4] = {-1, 0, 1, 0};
int dy[4] = {0, 1, 0, -1}; 

int g[N][N]; //存储输入的地图
int d[N][N]; //存储每一个点到点(0,0)的距离
PII q[N * N]; //模拟队列存储数据
int n, m;

int bfs()
{
    int hh = 0, tt = 0;
    q[0] = {0, 0};
    
    memset(d, -1, sizeof d); //初始化为-1,表示没有走过
    d[0][0] = 0;
    
    while(hh <= tt) //队列不空
    {
        auto t = q[hh ++]; //取出队头元素
        
        for(int i = 0; i < 4; i++) //枚举四个方向
        {
            int x = t.first + dx[i];
            int y = t.second + dy[i];
            
            if(x >= 0 && x < n && y >= 0 && y < m && g[x][y] == 0 && d[x][y] == -1) //在范围内并且点没有走过,且点是空地
            {
                d[x][y] = d[t.first][t.second] + 1; //更新当前点
                q[++ tt] = {x, y};
            }
        }
    }
    
    return d[n-1][m-1];
}

int main()
{
    cin >> n >> m;
    
    for(int i = 0; i < n; i++)
        for(int j = 0; j < m; j++)
            cin >> g[i][j];
            
    cout << bfs() << endl;
    return 0;
}
<think>好的,用户之前让我详细讲解了链表,现在他们想学习DFSBFS。我需要先确认用户的学习背景。他们已经学过链表,可能正在学习数据结构的基础,接下来是图或树的遍历算法。 用户的需求是了解DFSBFS,所以我要从基本概念、工作原理、应用场景以及两者之间的对比入手。可能需要用简单易懂的例子,比如二叉树或图的遍历,来说明两者的不同。还要注意他们可能对递归或迭代的实现方式有疑问。 考虑到用户之前接触过链表,可能对指针或节点结构比较熟悉,所以在讲解DFSBFS时,可以结合树或图的节点结构来解释。比如,二叉树节点有左右指针,图的邻接表用链表表示等。 要比较DFSBFS的优缺点,比如时间复杂度、空间复杂度,以及各自适用的场景。比如DFS适合寻找所有解、路径问题,而BFS适合最短路径或层次遍历。 用户可能需要代码示例,但之前的回复用了伪代码,这次是否要提供具体语言的代码呢?用户没有特别说明,所以还是用伪代码比较稳妥,或者简要说明实现思路。 另外,用户可能对如何选择DFSBFS在实际问题中的应用感到困惑,需要给出明确的指导,比如何时用DFS,何时用BFS,并举一些实际例子,比如迷宫问题、社交网络中的关系查找等。 还要注意DFS的递归实现可能导致的栈溢出问题,以及BFS的空间消耗问题,这些是实际应用中需要考虑的因素。可能用户在学习过程中会遇到这些坑,提前说明会更好。 最后,检查是否有遗漏的重要点,比如回溯在DFS中的应用,队列在BFS中的使用,以及标记已访问节点的重要性,避免死循环。这些都是关键点,需要涵盖进去。</think>好的!DFS(深度优先搜索)和BFS(广度优先搜索)是两种最基础的图/树遍历算法,它们的核心区别在于**探索顺序**和**适用场景**。以下是系统化的对比与解析: --- ### 一、算法核心思想对比 | | DFS(深度优先) | BFS(广度优先) | |----------|------------------------------------------|------------------------------------------| | **策略** | 沿着分支到尽头,再回溯探索其他路径 | 逐层扫描,先处理离起点最近的节点 | | **比喻** | 迷宫时一路到底,碰壁后原路返回尝试新路 | 雷达扫描,以起点为中心一圈圈向外扩散 | | **数据结构** | **栈**(递归隐式栈或显式栈) | **队列** | --- ### 二、算法执行过程图解 #### 以二叉树为例(遍历顺序): ```text 1 / \ 2 3 / \ / \ 4 5 6 7 ``` - **DFS遍历**(前序:根→左→右): `1 → 2 → 4 → 5 → 3 → 6 → 7` (深入到底部再回溯) - **BFS遍历**(按层输出): `1 → 2 → 3 → 4 → 5 → 6 → 7` (按层级顺序访问) --- ### 三、时间复杂度与空间复杂度 | | 时间复杂度 | 空间复杂度(最坏情况) | |----------|------------------|---------------------------| | **DFS** | $O(|V| + |E|)$ | $O(h)$(h为树的高度) | | **BFS** | $O(|V| + |E|)$ | $O(w)$(w为树的最大宽度) | > *注:$|V|$为节点数,$|E|$为边数* --- ### 四、核心代码框架 #### DFS 递归实现(以二叉树为例): ```python def dfs(node): if node is None: return # 前序遍历操作(在此处理节点) print(node.val) dfs(node.left) dfs(node.right) # 后序遍历操作可在此添加 ``` #### BFS 队列实现: ```python from collections import deque def bfs(root): queue = deque([root]) while queue: node = queue.popleft() print(node.val) # 处理当前节点 if node.left: queue.append(node.left) if node.right: queue.append(node.right) ``` --- ### 五、经典应用场景 | 算法 | 典型应用场景 | |------|----------------------------------------------------------------------------| | **DFS** | 1. 路径问题(如迷宫所有路径)<br>2. 拓扑排序<br>3. 连通分量检测<br>4. 回溯法求所有解(如八皇后) | | **BFS** | 1. 最短路径(无权图)<br>2. 社交网络层级扩散(如三度好友)<br>3. 二叉树层序遍历<br>4. 病毒传播模拟 | --- ### 六、DFSBFS的关键差异 1. **空间消耗** - DFS的空间消耗与递归深度成正比(可能栈溢出) - BFS的空间消耗与当前层的最大宽度成正比 2. **解的特性** - DFS适合寻找**所有解**或**存在性判断** - BFS天然适合寻找**最短路径**或**最小步数** 3. **实现方式** - DFS常用**递归**实现(系统栈)或**显式栈**迭代 - BFS必须用**队列**显式实现 --- ### 七、进阶技巧 #### DFS的三种遍历变体(二叉树场景): 1. **前序遍历**:先访问根节点 *应用场景*:复制树结构(先创建根再复制子树) 2. **中序遍历**:根节点在左右子树之间访问 *应用场景*:二叉搜索树的有序输出 3. **后序遍历**:最后访问根节点 *应用场景*:计算目录大小(先知道子目录大小才能算总和) #### BFS的层序遍历扩展: ```python # 记录层级的BFS实现 def bfs_level(root): queue = deque([root]) while queue: level_size = len(queue) current_level = [] for _ in range(level_size): node = queue.popleft() current_level.append(node.val) if node.left: queue.append(node.left) if node.right: queue.append(node.right) print(current_level) # 输出当前层所有节点 ``` --- ### 八、常见问题解决方案 1. **DFS避免重复访问** - 在图中使用`visited`集合标记已访问节点 2. **BFS最短路径记录** - 在队列中存储路径信息或使用`parent`指针回溯 3. **双向BFS优化** - 同时从起点和终点出发搜索,相遇时停止(适合已知终点的场景) --- ### 九、算法选择决策树 ```text 是否需要找最短路径? ├── 是 → 选择BFS └── 否 → 是否需要遍历所有可能性? ├── 是 → 选择DFS └── 否 → 根据空间限制选择 ``` --- 通过理解这两种算法的本质区别,可以更高效地解决树/图相关的问题。需要具体问题的代码实现或更多细节探讨,欢迎随时提问!
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