两种dfs写法的比较

### 关于DFS（深度优先搜索）算法的模板与示例代码 #### 深度优先搜索简介 深度优先搜索是一种用于遍历或搜索树或图的数据结构的算法。该方法尝试深入子节点直到达到叶节点或者遇到已经访问过的节点为止，之后再回溯并继续探索其他分支。 对于实现DFS，在编程实践中通常有两种方式：递归和栈迭代。这两种方法都可以有效地完成对整个图或树形结构的遍历操作[^1]。 #### DFS算法模板 ##### 方法一：递归版本 这是最直观的一种写法，通过函数调用来模拟进入下一层的过程： ```python def dfs(node, visited): if node is None or node in visited: return # 访问当前结点的操作 print(f"Visiting {node}") # 将其标记为已访问 visited.add(node) # 对相邻结点执行相同过程 for neighbor in get_neighbors(node): dfs(neighbor, visited) ``` ##### 方法二：基于显式堆栈的非递归版本 当存在非常深的递归层次可能导致栈溢出错误时，可以考虑采用这种方式来代替递归来实现DFS: ```python from collections import deque def iterative_dfs(start_node): stack = [start_node] visited = set() while stack: node = stack.pop() if node not in visited: # 访问当前结点的操作 print(f"Visiting {node}") # 标记为已访问 visited.add(node) # 添加未被访问过邻居到栈顶 neighbors = list(get_neighbors(node)) unvisited_neighbors = [ n for n in reversed(neighbors) if n not in visited] stack.extend(unvisited_neighbors) ``` 上述两种形式都展示了如何利用Python语言特性简洁而高效地编写DFS逻辑。具体应用时可根据实际需求调整`get_neighbors()`函数定义以及处理每个节点的具体行为[^2]。 #### LeetCode实例分析 以LeetCode上的经典题目为例，“组合”问题可以通过DFS解决。给定两个整数n和k，目标是从集合{1,...,n}选取所有大小为k的不同子集。这里提供了一个使用C/C++编写的解决方案框架[^3]: ```cpp class Solution { public: vector<vector<int>> combine(int n, int k) { vector<vector<int>> result; vector<int> path; function<void(int)> backtrack = [&](int start){ // 当路径长度等于所需数量时保存结果 if (path.size() == k){ result.push_back(path); return ; } for (int i=start; i<=n-(k-path.size())+1 ; ++i){ path.push_back(i); // 做选择 backtrack(i + 1); // 进入下一个决策层 path.pop_back(); // 取消选择 } }; backtrack(1); return result; } }; ``` 此段代码片段清晰地体现了DFS的核心思想——即不断做出局部最优的选择直至满足终止条件，并且回退至上一步重新评估其它可能性。