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。

简介: 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。

在深度优先搜索中,我们从起始顶点开始沿着一条路径尽可能深地搜索,直到到达最深的顶点,然后再倒退回来继续搜索其他路径。DFS 通常使用栈来实现,它遵循以下步骤:

 

1. 选择一个起始顶点作为当前顶点,并将其标记为已访问。

2. 将当前顶点入栈。

3. 在栈不为空的情况下,重复以下步骤:

  - 弹出栈顶元素作为当前顶点。

  - 对于当前顶点的每个未访问的邻居顶点,将其标记为已访问并入栈。

4. 当无法继续深入时(即当前顶点没有未访问的邻居顶点),回溯到上一个顶点继续搜索。

 

DFS 的特点包括:

 

- 深度优先:尽可能深地搜索每条路径,直到无法继续深入为止。

- 非最优解:DFS 不保证找到最优解,因为它可能会陷入局部最优解而无法跳出。

- 递归性质:DFS 可以使用递归或栈来实现,递归实现更简洁直观,但在处理大规模图时可能会导致栈溢出。

 

DFS 在许多领域都有广泛的应用,包括图论、人工智能、编译器等。在图论中,DFS 可以用于查找连通分量、拓扑排序、寻找路径等问题。在人工智能中,DFS 可以用于搜索状态空间、解决迷宫问题等。在编译器中,DFS 可以用于控制流图的遍历和分析等。

 

总的来说,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。它从起始顶点开始,沿着路径直到到达最深的顶点,然后再倒退回来继续搜索其他路径。

 

### C 语言

 

```c
#include <stdio.h>
#include <stdlib.h>
 
#define MAX_VERTICES 100
 
typedef struct {
    int data[MAX_VERTICES];
    int top;
} Stack;
 
void init(Stack *s) {
    s->top = -1;
}
 
void push(Stack *s, int value) {
    s->data[++(s->top)] = value;
}
 
int pop(Stack *s) {
    return s->data[(s->top)--];
}
 
int isEmpty(Stack *s) {
    return s->top == -1;
}
 
typedef struct {
    int vertices[MAX_VERTICES];
    int front, rear;
} Queue;
 
void init(Queue *q) {
    q->front = 0;
    q->rear = -1;
}
 
void enqueue(Queue *q, int value) {
    q->vertices[++(q->rear)] = value;
}
 
int dequeue(Queue *q) {
    return q->vertices[(q->front)++];
}
 
int isEmpty(Queue *q) {
    return q->front > q->rear;
}
 
typedef struct {
    int vertices[MAX_VERTICES][MAX_VERTICES];
    int visited[MAX_VERTICES];
    int num_vertices;
} Graph;
 
void initGraph(Graph *g, int num_vertices) {
    g->num_vertices = num_vertices;
    for (int i = 0; i < num_vertices; i++) {
        g->visited[i] = 0;
        for (int j = 0; j < num_vertices; j++) {
            g->vertices[i][j] = 0;
        }
    }
}
 
void addEdge(Graph *g, int v1, int v2) {
    g->vertices[v1][v2] = 1;
    g->vertices[v2][v1] = 1;
}
 
void dfs(Graph *g, int start) {
    Stack s;
    init(&s);
    push(&s, start);
    g->visited[start] = 1;
 
    while (!isEmpty(&s)) {
        int current = pop(&s);
        printf("%d ", current);
 
        for (int i = 0; i < g->num_vertices; i++) {
            if (g->vertices[current][i] == 1 && g->visited[i] == 0) {
                push(&s, i);
                g->visited[i] = 1;
            }
        }
    }
}
 
int main() {
    Graph g;
    initGraph(&g, 6);
    addEdge(&g, 0, 1);
    addEdge(&g, 0, 2);
    addEdge(&g, 1, 3);
    addEdge(&g, 1, 4);
    addEdge(&g, 2, 5);
 
    printf("DFS traversal starting from vertex 0: ");
    dfs(&g, 0);
 
    return 0;
}
```


### C++ 语言

```cpp
#include <iostream>
#include <vector>
#include <stack>
 
using namespace std;
 
void dfs(vector<vector<int>>& graph, vector<bool>& visited, int start) {
    stack<int> s;
    s.push(start);
    visited[start] = true;
 
    while (!s.empty()) {
        int current = s.top();
        s.pop();
        cout << current << " ";
 
        for (int i = 0; i < graph[current].size(); i++) {
            int neighbor = graph[current][i];
            if (!visited[neighbor]) {
                s.push(neighbor);
                visited[neighbor] = true;
            }
        }
    }
}
 
int main() {
    vector<vector<int>> graph = {{1, 2}, {0, 3, 4}, {0, 5}, {1}, {1}, {2}};
    vector<bool> visited(graph.size(), false);
 
    cout << "DFS traversal starting from vertex 0: ";
    dfs(graph, visited, 0);
 
    return 0;
}
```

 

### Java 语言

 

```java
import java.util.Stack;
 
class Graph {
    private int numVertices;
    private int[][] vertices;
    private boolean[] visited;
 
    public Graph(int numVertices) {
        this.numVertices = numVertices;
        vertices = new int[numVertices][numVertices];
        visited = new boolean[numVertices];
    }
 
    public void addEdge(int v1, int v2) {
        vertices[v1][v2] = 1;
        vertices[v2][v1] = 1;
    }
 
    public void dfs(int start) {
        Stack<Integer> stack = new Stack<>();
        stack.push(start);
        visited[start] = true;
 
        while (!stack.isEmpty()) {
            int current = stack.pop();
            System.out.print(current + " ");
 
            for (int i = 0; i < numVertices; i++) {
                if (vertices[current][i] == 1 && !visited[i]) {
                    stack.push(i);
                    visited[i] = true;
                }
            }
        }
    }
 
    public static void main(String[] args) {
        Graph graph = new Graph(6);
        graph.addEdge(0, 1);
        graph.addEdge(0, 2);
        graph.addEdge(1, 3);
        graph.addEdge(1, 4);
        graph.addEdge(2, 5);
 
        System.out.print("DFS traversal starting from vertex 0: ");
        graph.dfs(0);
    }
}
```
相关文章
|
5天前
|
存储 算法 Java
Java中,树与图的算法涉及二叉树的前序、中序、后序遍历以及DFS和BFS搜索。
【6月更文挑战第21天】Java中,树与图的算法涉及二叉树的前序、中序、后序遍历以及DFS和BFS搜索。二叉树遍历通过访问根、左、右子节点实现。DFS采用递归遍历图的节点,而BFS利用队列按层次访问。以下是简化的代码片段:[Java代码略]
16 4
|
2天前
|
算法 Java
Java数据结构与算法:图算法之深度优先搜索(DFS)
Java数据结构与算法:图算法之深度优先搜索(DFS)
|
5天前
|
算法 索引
DFS算法及应用(二)
回溯:回溯就是DFS的一种,在搜索探索过程中寻找问题的解,当发现不满足求解条件时,就回溯返回,尝试其他路径。
|
5天前
|
算法
DFS算法及应用(一)
DFS(深度优先搜索)是一种图遍历算法,常用于解决穷举问题,如全排列、迷宫问题、图的连通性等。它沿着树的深度分支进行探索,直至达到叶子节点,若无法继续则回溯。例如,将数字6拆分为3个正整数的递增序列问题可以通过DFS实现,类似地,分糖果问题和买瓜问题同样可以用DFS求解。DFS通常涉及递归或栈结构,通过标记已访问节点避免重复。在编程中,会定义递归函数,设定结束条件,然后枚举可能的情况,并处理下一层节点。
|
5天前
|
人工智能 算法 物联网
求解三维装箱问题的启发式深度优先搜索算法(python)
求解三维装箱问题的启发式深度优先搜索算法(python)
10 0
|
5天前
|
算法 Python
利用深度优先搜索算法解决老鼠吃奶酪问题(python)
利用深度优先搜索算法解决老鼠吃奶酪问题(python)
3 0
|
2天前
|
算法
基于GA遗传优化的混合发电系统优化配置算法matlab仿真
**摘要:** 该研究利用遗传算法(GA)对混合发电系统进行优化配置,旨在最小化风能、太阳能及电池储能的成本并提升系统性能。MATLAB 2022a用于实现这一算法。仿真结果展示了一系列图表,包括总成本随代数变化、最佳适应度随代数变化,以及不同数据的分布情况,如负荷、风速、太阳辐射、弃电、缺电和电池状态等。此外,代码示例展示了如何运用GA求解,并绘制了发电单元的功率输出和年变化。该系统原理基于GA的自然选择和遗传原理,通过染色体编码、初始种群生成、适应度函数、选择、交叉和变异操作来寻找最优容量配置,以平衡成本、效率和可靠性。
|
3天前
|
机器学习/深度学习 算法
基于鲸鱼优化的knn分类特征选择算法matlab仿真
**基于WOA的KNN特征选择算法摘要** 该研究提出了一种融合鲸鱼优化算法(WOA)与K近邻(KNN)分类器的特征选择方法,旨在提升KNN的分类精度。在MATLAB2022a中实现,WOA负责优化特征子集,通过模拟鲸鱼捕食行为的螺旋式和包围策略搜索最佳特征。KNN则用于评估特征子集的性能。算法流程包括WOA参数初始化、特征二进制编码、适应度函数定义(以分类准确率为基准)、WOA迭代搜索及最优解输出。该方法有效地结合了启发式搜索与机器学习,优化特征选择,提高分类性能。
|
4天前
|
机器学习/深度学习 算法 数据可视化
基于BP神经网络的64QAM解调算法matlab性能仿真
**算法预览图省略** MATLAB 2022A版中,运用BP神经网络进行64QAM解调。64QAM通过6比特映射至64复数符号,提高数据速率。BP网络作为非线性解调器,学习失真信号到比特的映射,对抗信道噪声和多径效应。网络在处理非线性失真和复杂情况时展现高适应性和鲁棒性。核心代码部分未显示。
|
1天前
|
算法 计算机视觉
基于Chan-Vese算法的图像边缘提取matlab仿真
**算法预览展示了4幅图像,从边缘检测到最终分割,体现了在matlab2022a中应用的Chan-Vese水平集迭代过程。核心代码段用于更新水平集并显示迭代效果,最后生成分割结果及误差曲线。Chan-Vese模型(2001)是图像分割的经典方法,通过最小化能量函数自动检测平滑区域和清晰边界的图像分割,适用于复杂环境,广泛应用于医学影像和机器视觉。**