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
|
6天前
|
算法
分享一些提高二叉树遍历算法效率的代码示例
这只是简单的示例代码,实际应用中可能还需要根据具体需求进行更多的优化和处理。你可以根据自己的需求对代码进行修改和扩展。
|
9天前
|
存储 缓存 算法
如何提高二叉树遍历算法的效率?
选择合适的遍历算法,如按层次遍历树时使用广度优先搜索(BFS),中序遍历二叉搜索树以获得有序序列。优化数据结构,如使用线索二叉树减少空指针判断,自定义节点类增加辅助信息。利用递归与非递归的特点,避免栈溢出问题。多线程并行遍历提高速度,注意线程安全。缓存中间结果,避免重复计算。预先计算并存储信息,提高遍历效率。综合运用这些方法,提高二叉树遍历算法的效率。
28 5
|
9天前
|
算法
树的遍历算法有哪些?
不同的遍历算法适用于不同的应用场景。深度优先搜索常用于搜索、路径查找等问题;广度优先搜索则在图的最短路径、层次相关的问题中较为常用;而二叉搜索树的遍历在数据排序、查找等方面有重要应用。
18 2
|
12天前
|
机器学习/深度学习 JSON 算法
二叉树遍历算法的应用场景有哪些?
【10月更文挑战第29天】二叉树遍历算法作为一种基础而重要的算法,在许多领域都有着不可或缺的应用,它为解决各种复杂的问题提供了有效的手段和思路。随着计算机科学的不断发展,二叉树遍历算法也在不断地被优化和扩展,以适应新的应用场景和需求。
23 0
|
12天前
|
算法 搜索推荐 数据库
二分搜索:高效的查找算法
【10月更文挑战第29天】通过对二分搜索的深入研究和应用,我们可以不断挖掘其潜力,为各种复杂问题提供高效的解决方案。相信在未来的科技发展中,二分搜索将继续发挥着重要的作用,为我们的生活和工作带来更多的便利和创新。
20 1
|
1月前
|
存储 算法 关系型数据库
数据结构与算法学习二一:多路查找树、二叉树与B树、2-3树、B+树、B*树。(本章为了解基本知识即可,不做代码学习)
这篇文章主要介绍了多路查找树的基本概念,包括二叉树的局限性、多叉树的优化、B树及其变体(如2-3树、B+树、B*树)的特点和应用,旨在帮助读者理解这些数据结构在文件系统和数据库系统中的重要性和效率。
19 0
数据结构与算法学习二一:多路查找树、二叉树与B树、2-3树、B+树、B*树。(本章为了解基本知识即可,不做代码学习)
|
24天前
|
算法 安全 数据安全/隐私保护
基于game-based算法的动态频谱访问matlab仿真
本算法展示了在认知无线电网络中,通过游戏理论优化动态频谱访问,提高频谱利用率和物理层安全性。程序运行效果包括负载因子、传输功率、信噪比对用户效用和保密率的影响分析。软件版本:Matlab 2022a。完整代码包含详细中文注释和操作视频。
|
9天前
|
算法 数据挖掘 数据安全/隐私保护
基于FCM模糊聚类算法的图像分割matlab仿真
本项目展示了基于模糊C均值(FCM)算法的图像分割技术。算法运行效果良好,无水印。使用MATLAB 2022a开发,提供完整代码及中文注释,附带操作步骤视频。FCM算法通过隶属度矩阵和聚类中心矩阵实现图像分割,适用于灰度和彩色图像,广泛应用于医学影像、遥感图像等领域。
|
10天前
|
算法 调度
基于遗传模拟退火混合优化算法的车间作业最优调度matlab仿真,输出甘特图
车间作业调度问题(JSSP)通过遗传算法(GA)和模拟退火算法(SA)优化多个作业在并行工作中心上的加工顺序和时间,以最小化总完成时间和机器闲置时间。MATLAB2022a版本运行测试,展示了有效性和可行性。核心程序采用作业列表表示法,结合遗传操作和模拟退火过程,提高算法性能。