标签：搜索 color mes span bubuko isp void front 需要
几个月前学过的搜索，今天再来重温一遍。
DFS（深度优先搜索）
为无向图
DFS的过程类似于树的先序遍历。
请看图：
DFS此图的过程为：
1.首先任意找一个未被便利过的顶点，例如从V1开始，由于率先访问了它，所以需要标记V1即已经访问过。
2.然后遍历V1的邻接点，例如访问V2，并做标记，之后访问V2，V4，V8，然后V5。
3.当继续遍历V5的邻接点时，根据之前所做标记显示，所有邻接点都被访问过了。此时，从V5倒回来，看8是否有未被访问过的邻接点，如若没有。继续倒退。
4.通过DFSV1，找到 了一个未被访问的V3，继续遍历，然后访问V3，最后到V1，发现没有未被访问的。
6.最后一步需要判断是否所有顶点都被访问过，如果还有，再以剩下的点进行DFS。
所谓DFS，是从图中的一个顶点出发，每次遍历当前访问顶点的临界点，一直到访问的顶点没有未被访问过的临界点为止。然后采用依次回退的方式，查看来的路上每一个顶点是否有其它未被访问的临界点。访问完成后，判断图中的顶点是否已经全部遍历完成，如果没有，以未访问的顶点为起始点，重复上述过程。这是一个不断回溯的过程。
void dfs() { //参数用来表示状态 if(到达终点状态) { ...//根据题意来添加 return; } if(越界或者是不符合法状态) return; for(扩展方式) { if(扩展方式所达到状态合法) { ....//根据题意来添加 标记； dfs（）； 修改（剪枝）； (还原标记)； //是否还原标记根据题意 //如果加上（还原标记）就是 回溯法 } } }
BFS（广度优先搜索）
广度优先搜索类似于树的层次遍历。从图中的某一顶点出发，遍历每一个顶点时，依次遍历其所有的邻接点，然后再从这些邻接点出发，同样依次访问它们的邻接点。按照此过程，直到图中所有被访问过的顶点的邻接点都被访问到。类似于树的层次遍历。
最后还需要做的操作就是查看图中是否存在尚未被访问的顶点，若有，则以该顶点为起始点，重复上述遍历的过程。
还拿上图中的无向图为例，假设 V1 作为起始点，遍历其所有的邻接点 V2 和 V3 ，以 V2 为起始点，访问邻接点 V4 和 V5 ，以 V3 为起始点，访问邻接点 V6 、 V7 ，以 V4 为起始点访问 V8 ，以 V5 为起始点，由于 V5 所有的起始点已经全部被访问，所有直接略过， V6 和 V7 也是如此。
以 V1 为起始点的遍历过程结束后，判断图中是否还有未被访问的点，由于图 1 中没有了，所以整个图遍历结束。
#include<iostream> #include<queue> using namespace std; const int INF = 100000000; const int maxn = 10000; typedef pair<int, int> P; //储存坐标下x,y int maze[maxn][maxn]; int d[maxn][maxn]; //储存每个坐标的最短路径 int sx, sy; //起始坐标 int ex, ey; //终点坐标 int dx[4] = { 1,0,-1,0 }; int dy[4] = { 0,1,0,-1 }; int bfs() { queue<P> que; //bfs用队列 for (int i = 0; i < maxn; i++) { //初始化所有距离为极大 for (int j = 0; j < maxn; j++) { d[i][j] = INF; } } que.push(P(sx, sy)); d[sx][sy] = 0; while (que.size()) { P p = que.front(); que.pop(); if (p.first == ex && p.second == ey) break; for (int i = 0; i < 4; i++) { int nx = p.first + dx[i]; int ny = p.second + dy[i]; if (nx >= 0 && nx < N && ny >= 0 && ny < N && d[nx][ny] == INF && maze[nx][ny] == ) { que.push(P(nx, ny)); d[nx][ny] = d[p.first][p.second] + 1; } } } return d[ex][ey]; }
我还是很喜欢你，像鱼，潜入海底。
标签：搜索 color mes span bubuko isp void front 需要
原文地址：https://www.cnblogs.com/GTBD/p/9201241.html
