搜索算法 #4
Description
这篇文章主要介绍广度优先搜索（BFS）和 深度优先搜索（DFS）算法，它们是图／树常见的俩种遍历算法。
广度优先搜索（BFS）
广度优先搜索算法（英语：Breadth-First-Search，缩写为 BFS），又译作宽度优先搜索，或横向优先搜索，是一种图形搜索算法。简单的说，BFS 是从根节点开始，沿着树的宽度遍历树的节点。如果所有节点均被访问，则算法中止。
- 首先将根节点放入队列中。
- 从队列中取出第一个节点，并检验它是否为目标。
- 如果找到目标，则结束搜寻并回传结果。
- 否则将它所有尚未检验过的直接子节点加入队列中。
- 若队列为空，表示整张图都检查过了——亦即图中没有欲搜寻的目标。结束搜寻并回传“找不到目标”。
- 重复步骤2。
bfs ＝队列，入队列，出队列
利用队列。
// 伪代码
funtion BFS(){
将根节点V加入队列S
while(队列S不为空){
从队列中取出第一个节点W，并检验它是否满足搜索条件。
if(当前节点W满足搜索条件){
return W
}else{
For(遍历W的相邻的未访问过的节点){
将其加入队列
}
}
}
return '未搜索到结果'
}深度优先搜索（DFS）
深度优先搜索算法（Depth-First-Search，简称 DFS）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，搜索将回溯到发现节点 v 的那条边的起始节点。这一过程一直进行到已发现从源节点可达的所有节点为止。如果还存在未被发现的节点，则选择其中一个作为源节点并重复以上过程，整个进程反复进行直到所有节点都被访问为止。属于盲目搜索。
主要思想：不撞南墙不回头。
实现步骤：
-
首先将根节点放入队列中。
-
从队列中取出第一个节点，并检验它是否为目标。
如果找到目标，则结束搜寻并回传结果。
否则将它某一个尚未检验过的直接子节点加入队列中。
-
重复步骤 2。
-
如果不存在未检测过的直接子节点。
将上一级节点加入队列中。
重复步骤 2。
-
重复步骤 4。
-
若队列为空，表示整张图都检查过了——亦即图中没有欲搜寻的目标。结束搜寻并回传“找不到目标”。
利用栈。dfs=栈，压栈，出栈。
// 伪代码
// 栈实现
function DFS(){
将初始节点压栈。
While(栈非空) {
取出栈顶节点W,并暂存。
将栈顶元素出站。
if(节点W满足搜索条件){
return W
}else{
For(遍历W的相邻的未访问过的节点){
将其入栈。
}
}
}
return '未搜索到结果'
}
// 递归实现
function DFS(节点，搜索条件){
if(节点是否满足条件){
return 节点
}else{
// 判断是否到达终点，即是否还存在未遍历的相邻节点
if() {
return;
}
// 尝试每一个可走方向（右下左上）
for(遍历节点的所有相邻节点){
// 判断是否可走,可走调用递归尝试下一步，不可走则尝试该点的其他方向
if (可走) {
// 继续下一步
DFS();
}
}
}
}Js 实现
树结构数据
var tree = {
name: "中国",
children: [
{
name: "北京",
children: [
{
name: "朝阳群众"
},
{
name: "海淀区"
},
{
name: "昌平区"
}
]
},
{
name: "浙江省",
children: [
{
name: "杭州市",
code: 0571
},
{
name: "嘉兴市"
},
{
name: "绍兴市"
},
{
name: "宁波市"
}
]
}
]
};DFS 实现
// 算法实现
function dfs(tree, name) {
var stack = [];
stack.push(tree);
while (stack.length !== 0) {
var current = stack[stack.length - 1];
stack.pop();
if (current.name === name) {
return current;
} else {
current.children &&
current.children.forEach(node => {
stack.push(node);
});
}
}
return null;
}
// 使用递归
function dfs(tree, name) {
var result;
if (tree.name === name) {
result = tree;
} else {
var children = tree.children;
if (children && children.length) {
children.forEach(node => {
result = dfs(node, name);
});
} else {
result = null;
}
}
return result;
}BFS 实现
// 算法实现
function bfs(tree, name) {
var queue = [];
queue.push(tree);
while (queue.length !== 0) {
var current = queue[0];
queue.shift();
if (current.name === name) {
return current;
} else {
current.children &&
current.children.forEach((node, index) => {
queue.push(node);
});
}
}
return null;
}