算法模版:暴力搜索之DFS

简介: 算法模版:暴力搜索之DFS

前言


唤我沈七就行。

又是拖更的两周~

因为开学将至,学校竞赛班也要在开学前的月底来一场测试,所以我就加快了学习算法的进度,最近两周涉猎了DFS、BFS、背包DP、线性DP。也整理了不少笔记,很快就会陆续更新啦~


今天带来的是骗分神器–DFS


基本概念


DFS:是Depth First Search的简称 ,即深度优先搜索算法:

是一种用于遍历或搜索树或图的算法。 沿着树的深度遍历树的节点,尽可能深的搜索树的分支。


当节点v的所在边都己被探寻过或者在搜寻时结点不满足条件,搜索将回溯到发现节点v的那条边的起始节点。整个进程反复进行直到所有节点都被访问为止。


DFS是通过递归来实现的,也就是函数自己调用自己。

所以通俗的说DFS通过递归枚举所有情况,然后从中找到与题设相符的方案。

因为要枚举所以情况属于盲目搜索,最糟糕的情况算法时间复杂度为O(!n)。

所以DFS不算是最有效率的算法,但一定是考虑情况最全面的算法。


算法思想


回溯法是一种选优搜索法,又称为试探法,按选优条件向前搜索,以达到目标。

但当探索到某一步时,发现原先选择并不优或达不到目标,就退回一步重新选择,这种走不通就退回再走的技术为回溯法,而满足回溯条件的某个状态的点称为“回溯点”。

回溯是DFS最精妙的一步,在算法模板中往往体现在恢复现场。

即在调用完函数自身后,恢复初始状态。

这是因为DFS要枚举所有情况,而枚举方式不是想BFS那样一层一层的,而是一条路走到尾,他每走一步都需要在走的路上做上标记,防止重复走同一条路。

如果没路了,再通过回溯,走下条路。而回溯在这里的作用就是按原路返回,但是因为路上已经做了标记,所以回溯其实就是撤销上一步做的标记(恢复现场)。不然是没办法返回走下一条路的。


如果不理解的没关系,我当初学的时候也是懵懵懂懂,先接着往下看~


常用模板


void dfs(int step)
{
        判断边界//判断是否符合条件
        {
            相应操作
        }
        枚举每一种可能
        {
               标记 //防止多次重复枚举同一个方案
               继续下一步dfs(step+1)
               恢复初始状态(回溯的时候要用到)//恢复现场
               //这就是DFS的精髓之处
               //为的就是不影响下一种方案的枚举
        }
}


三种枚举方式


DFS通常有三种枚举方式,接下来我们一一来介绍


指数型枚举


从 1∼n 这 n 个整数中随机选取任意多个,输出所有可能的选择方案


分析: 从1~n依次考虑 选 和 不选 两种情况。 一共 n 个数,每个数有 2 种情况。总共方案数为 2的n次方。所以被称为指数型枚举。


详细的解释都在注释里


const int N = 1e1 + 6; 定义一个常量N
int n;
int st[N];  记录每个位置当前的状态:0表示还没考虑,1表示选它,2表示不选它
void dfs(int u)  枚举的第几个数字
{
    if(u > n) {  终止条件,因为题目要求一个就n个数 所以只有 u>n 就输出枚举的方案
        for(int i = 1; i <= n; i++)
        if(st[i] == 1) 
        printf("%d ", i);
        puts("");
        return;
    }
    st[u] = 1;   选它的分支
    dfs(u + 1);
    st[u] = 0;   恢复现场,以便进行下一个分支
    st[u] = 2;   不选它的分支
    dfs(u + 1);
    st[u] = 0;   恢复现场
}
int main(void)
{
    scanf("%d", &n);
    dfs(1);
    return 0;
}


排列型枚举


把 1∼n 这 n 个整数排成一行后随机打乱顺序,输出所有可能的次序。


分析:依次枚举 1~n数 放到哪个位置,排列问题需要考虑顺序,需要book数组来判重。


const int N = 10;
int st[N]; 存储方案
bool book[N]; 标记数字是否被用过,true表示被用过,false表示没被用过
定义在里全局变量,所以现在book数组都是false 表示都没被用过
int n;
void dfs(int u){ 当前枚举第u位
    if(u > n){
        for(int i = 1; i <= n; i ++) 
        printf("%d ", st[i]); 打印方案
        puts("");
        return ;
    }
    for(int i = 1; i <= n; i ++){ 依次枚举每个数
        if(!book[i]) 如果当前数没被用过
        {        
            st[u] = i;       在第u位是i
            book[i] = true;  标记用过
            dfs(u + 1);  递归到下一位
            恢复现场,以便回溯其他情况
            st[u] = 0;  可省略 因为写不写都会被 st[u]=i; 这一层给覆盖掉
            book[i] = false;  不可省 
        }
    }
}
int main(){
    scanf("%d", &n);
    dfs(1);
    return 0;
}


组合型枚举


从 1∼n 这 n 个整数中随机选出 m 个,按字典序输出所有可能的选择方案。


组合问题和排列问题不同,不需要考虑顺序,即 1234 和 4321 都是一种组合.

因为要按字典序输出,所以需要从上一次枚举的数开始来依次枚举,控制局部枚举的数,使得新枚举的数比之前的大。

组合问题不需要考虑顺序,需要x来记录上一次的枚举的数。这样也就可以保证同一种组合只有一种顺序被打印。

因为是从上一次枚举的数开始枚举所以不会保存选用重复数字, 所以不需要定义去重数组book。


int n,m;
int cnt[30]; 记录方案
void dfs(int u,int x){  u 记录枚举了几位 x记录了枚举了到了几
  if(u>m) {  边界
  for(int i=1;i<=n;i++)
  cout<<cnt[i]<<" ";
  puts("");  换行
  return;
  }
  for(int i=x;i<=n;i++) 从x开始枚举
  {
        cnt[u]=i;
        dfs(u+1,i+1);
        cnt[u]=0; 恢复现场  
  }
}
int main()
{
  cin>>n>>m;
  dfs(1,1);
  return 0; 
}


完结散花


ok以上就是对 暴力搜索之DFS 的全部讲解啦,很感谢你能看到这儿啦。如果有遗漏、错误或者有更加通俗易懂的讲解,欢迎小伙伴私信我,我后期再补充完善。


题目练习


检验知识是否学会当然是不断刷题啦,下面我给出一部分DFS相关的一些经典题目。

后续如果我有时间就更新这部分知识的题解,到时候就可以配套学习啦。

N皇后

八皇后

全排列问题


参考文章


参考文献

https://blog.csdn.net/weixin_43272781/article/details


相关文章
|
2月前
|
算法 测试技术 定位技术
数据结构与算法——DFS(深度优先搜索)
数据结构与算法——DFS(深度优先搜索)
|
4月前
|
算法
DFS算法的实现
DFS算法的实现
68 3
|
4月前
|
算法
【算法】二分算法——搜索插入位置
【算法】二分算法——搜索插入位置
|
1月前
|
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。
51 1
|
1月前
|
算法 vr&ar 计算机视觉
数据结构之洪水填充算法(DFS)
洪水填充算法是一种基于深度优先搜索(DFS)的图像处理技术,主要用于区域填充和图像分割。通过递归或栈的方式探索图像中的连通区域并进行颜色替换。本文介绍了算法的基本原理、数据结构设计(如链表和栈)、核心代码实现及应用实例,展示了算法在图像编辑等领域的高效性和灵活性。同时,文中也讨论了算法的优缺点,如实现简单但可能存在堆栈溢出的风险等。
43 0
|
2月前
|
算法 决策智能
基于禁忌搜索算法的VRP问题求解matlab仿真,带GUI界面,可设置参数
该程序基于禁忌搜索算法求解车辆路径问题(VRP),使用MATLAB2022a版本实现,并带有GUI界面。用户可通过界面设置参数并查看结果。禁忌搜索算法通过迭代改进当前解,并利用记忆机制避免陷入局部最优。程序包含初始化、定义邻域结构、设置禁忌列表等步骤,最终输出最优路径和相关数据图表。
|
3月前
|
大数据 UED 开发者
实战演练:利用Python的Trie树优化搜索算法,性能飙升不是梦!
在数据密集型应用中,高效搜索算法至关重要。Trie树(前缀树/字典树)通过优化字符串处理和搜索效率成为理想选择。本文通过Python实战演示Trie树构建与应用,显著提升搜索性能。Trie树利用公共前缀减少查询时间,支持快速插入、删除和搜索。以下为简单示例代码,展示如何构建及使用Trie树进行搜索与前缀匹配,适用于自动补全、拼写检查等场景,助力提升应用性能与用户体验。
71 2
|
2月前
|
存储 算法 C++
【搜索算法】 跳马问题(C/C++)
【搜索算法】 跳马问题(C/C++)
|
2月前
|
人工智能 算法 Java
【搜索算法】数字游戏(C/C++)
【搜索算法】数字游戏(C/C++)
|
4月前
|
机器学习/深度学习 算法 文件存储
【博士每天一篇文献-算法】 PNN网络启发的神经网络结构搜索算法Progressive neural architecture search
本文提出了一种名为渐进式神经架构搜索(Progressive Neural Architecture Search, PNAS)的方法,它使用顺序模型优化策略和替代模型来逐步搜索并优化卷积神经网络结构,从而提高了搜索效率并减少了训练成本。
66 9