广度优先搜索和深度优先搜索

广度优先搜索

广度优先搜索（BFS），可以被形象地描述为“浅尝辄止”，具体一点就是每个顶点只访问它的邻接节点（如果它的邻接节点没有被访问）并且记录这个邻接节点，当访问完它的邻接节点之后就结束这个顶点的访问。

广度优先用到了“先进先出”队列，通过这个队列来存储第一次发现的节点，以便下一次的处理；而对于再次发现的节点，我们不予理会——不放入队列，因为再次发现的节点：

1. 无非是已经处理完的了；
2. 或者是存储在队列中尚未处理的。

《算法导论》对两种搜索都采用了很聪明的做法，用白色WHITE来标志未发现的节点，用灰色GRAY来标志第一次被发现的节点，用黑色BLACK来标志第二次被发现的节点。

于是有了：

BFS(G, s)
	for each vertex v in V[G]
		status[v] = WHITE
		/**其他初始化**/
	status[s] = GRAY	//s是源点
	queue q
	入队(q, s)
	while q非空
		t = 出队(q)
		for each vertex v in Adj[t]	//与t邻接的点
			if status[v] == WHITE	//只对未访问的操作
				status[v] = GRAY	//标记为第一次访问
				/**其他操作**/
				入队(q, v)
		status[t] = BLACK			//此点已经处理完了

导论还在上面的伪代码的“其他”中加入了访问长度和父节点的操作。此举可以算出，从源点到其他顶点路径的最少步数和它的具体路径。

关于广度优先搜索的一个简单应用：

假如有问题，每个村庄之间都通过桥来连通，先给出村庄的图，问村庄A到村庄B最少要通过多少座桥？这个问题很容易的转化为上面的BFS问题。

深度优先搜索

深度优先搜索（DFS），可以被形象地描述为“打破砂锅问到底”，具体一点就是访问一个顶点之后，我继而访问它的下一个邻接的顶点，如此往复，直到当前顶点已被访问或者它不存在邻接的顶点。

同样，《算法导论》采用了聪明的做法，用三种颜色来标记三种状态。但这三种状态不同于广度优先搜索：

1. WHITE未访问顶点
2. GRAY一条深度搜索路径上的顶点，即被发现时
3. BLACK此顶点的邻接顶点被全部访问完之后——结束访问此顶点

DFS(G, s)
	for each vertex v in V[G]
		status[v] = WHITE
		/**其他初始化**/
	for each vertex v in V[G]
		if(status[v] == WHITE)
			DFS_VISIT(v)

DFS_VISIT(v)
	status[v] = GRAY
	for each vertex t in Adj(v)
		if(status[t] == WHITE)
			DFS_VISIT(t)
			/**其他操作**/
	status[v] = BLACK

通过在DFS搜索过程中给每一个顶点加时间戳，就可以实现拓扑排序了。实现拓扑排序需要：

对于每一个顶点，都有两个时间戳，分别这样定义：

1. 在一个顶点刚被发现的时候，标记此顶点的第一个时间戳；
2. 在结束此顶点的访问的时候，标记此顶点的第二个时间戳。时间戳可以用简单的123456来标记，只要能区分大小就行。

因此，你会发现，越早发现的点，它的第一个时间戳会越小，但是它的第二个时间戳会越大。

总结

两个算法都是O(V+E)，在用到的时候适当选取。

• 广度优先的话，占内存多，能找到最优解，必须遍历所有分支，广度优先的一个应用就是迪科斯彻单元最短路径算法
• 深度优先的话，占内存少，能找到最优解（一定条件下），但能很快找到接近解（优点），可能不必遍历所有分支（也就是速度快），深度优先的一个应用就是连连看游戏