3.1 蓝桥杯搜索算法之DFS基础和回溯

### 3.1 DFS 算法原理 深度优先搜索（Depth-First Search，DFS）是一种用于遍历或搜索图和树结构的算法，其核心思想是沿着图的边尽可能深入地访问每一个节点，直到无法继续深入为止，然后回溯到上一个未被完全访问的节点继续搜索[^1]。该算法适用于连通图或非连通图的遍历，常用于解决路径查找、连通性判断、拓扑排序等问题。 DFS 的实现通常依赖于递归或显式栈结构[^2]。递归实现时，系统调用栈自动保存访问路径；非递归实现则使用栈（Stack）数据结构手动模拟访问路径。算法的基本流程如下： - 从起始节点出发，标记该节点为已访问。 - 依次访问该节点的所有未被访问的邻接节点，并对每个邻接节点递归执行相同的操作。 - 当当前节点没有未被访问的邻接节点时，回溯至上一节点，继续探索其他分支。 在图结构中，为避免重复访问节点，必须维护一个访问标记数组（visited array）来记录每个节点是否已被访问[^3]。 ### 3.2 DFS 的实现方法 #### 3.2.1 递归实现 递归实现是 DFS 最直观的实现方式，适合用于树结构或无环图的遍历。以下是一个基于邻接表表示图的 Python 实现： ```python def dfs_recursive(graph, node, visited): # 标记当前节点为已访问 visited[node] = True print(node, end=' ') # 遍历所有邻接节点 for neighbor in graph[node]: if not visited[neighbor]: dfs_recursive(graph, neighbor, visited) # 示例图的邻接表表示 graph = { 0: [1, 2], 1: [2], 2: [0, 3], 3: [3] } visited = [False] * len(graph) dfs_recursive(graph, 2, visited) ``` 该实现通过递归函数调用的方式，自动利用系统调用栈完成深度优先遍历[^2]。 #### 3.2.2 非递归实现 对于某些深度较大的图结构，递归方式可能引发栈溢出问题，因此可以采用显式栈结构实现非递归版本的 DFS： ```python def dfs_iterative(graph, start): visited = [False] * len(graph) stack = [start] while stack: node = stack.pop() if not visited[node]: visited[node] = True print(node, end=' ') # 将邻接节点压入栈中（逆序以保证正确访问顺序） for neighbor in reversed(graph[node]): if not visited[neighbor]: stack.append(neighbor) # 使用示例 graph = { 0: [1, 2], 1: [2], 2: [0, 3], 3: [3] } dfs_iterative(graph, 2) ``` 该实现使用栈模拟递归过程，通过控制邻接节点入栈顺序来确保深度优先特性[^4]。 ### 3.3 DFS 的特点与应用场景 DFS 的空间复杂度较低，适合用于深度较小的树或图结构，尤其在解空间深处存在可行解的场景中表现优异[^3]。然而，DFS 不保证首次找到最短路径，因此在最短路径问题中通常不适用。 典型应用场景包括： - 图的连通性检测 - 拓扑排序 - 回溯算法（如八皇后问题、迷宫求解） - 穷举解空间路径 ---