什么时候用BFS,什么时候用DFS

参考什么时候用dfs,什么时候用bfs

参考什么时候用DFS,什么时候用BFS?

BFS的缺点适用情况

BFS的一般步骤:

参考什么时候用DFS,什么时候用BFS?

  • 1、将初始点(一个或多个)加入队列
  • 2、从队列头取出点,判断初始点的周边点,将符合条件的点加入队列尾部
  • 3、重复2操作,直至队列为空。(一般每个点只加入队列一次)
BFS的缺点:

在搜索过程中,BFS必须要保存搜索过程中的状态,用于判重。

  • 注意,用于保存搜索过程的点的数据结构,要是hashset类型的。至于为什么,参考Python 中list ,set,dict的大规模查找效率总结的很到位了。如果用in 方法去判断元素是否在list中时,会超时。所以最好用set。
  • 即使用了set,也是需要一定的时间复杂度的。因此势必会花掉一些时间和空间。
BFS的适用情况

一般在树或者图中,用BFS的可能性比较大。

1.BFS是用来搜索最短径路的解是比较合适的,比如求最少步数的解,最少交换次数的解,因为BFS搜索过程中遇到的解一定是离根最近的,所以遇到一个解,一定就是最优解,此时搜索算法可以终止。
这个时候不适宜使用DFS,因为DFS搜索到的解不一定是离根最近的,只有全局搜索完毕,才能从所有解中找出离根的最近的解。(当然这个DFS的不足,可以使用迭代加深搜索ID-DFS去弥补)

DFS的缺点以及适用情况

DFS的优点

2.空间优劣上,DFS是有优势的,DFS不需要保存搜索过程中的状态,而BFS在搜索过程中需要保存搜索过的状态,而且一般情况需要一个队列来记录。

因为根据栈的思想,DFS在搜索一个点以后,会弹出该点,就不需要保存已经搜索过的点。而BFS是必定保存搜索过的点的。

DFS的缺点

因为DFS含有栈的思想,因此经常用递归解决问题,但是如果不给递归限制深度,往往会超过时间与空间复杂度的。

二维数组的题目,N小于20的,适用DFS。而一般 N<= 200,N<=1000这种,一定不可能用DFS去做。而且并不只是整个题目不能用DFS,其中的每一步也不能使用DFS。

上面的N指的应该是递归深度**。

比如LeetCode中的Unique Paths,若是用大集合,会超时,该题适合用DP解。

DFS的适用情况:

3.DFS适合搜索全部的解,因为要搜索全部的解,那么BFS搜索过程中,遇到离根最近的解,并没有什么用,所以搜素全部解的问题,DFS显然更加合适。

当求解目标,必须要走到最深(例如树,走到叶子节点)才能得到一个解,这种情况适合用深搜。

综述

1、对于一般的图(比如例题中的词梯),而不是二维数组这样的存在来说

  • BFS适用于最短问题。而且必须用set类型来保存中间搜索过的点。

  • DFS适用搜索全部的解,或者求节目表要走到最深处的问题。

  • 尽管DFS不保存中间状态,也要限制递归深度才行。递归深度过深,也会超时 。

2、特例——二维数组

无论是BFS还是DFS,在遇到二维数组是,情况就不一样了。因为一般的图,没有一个固定的形状,没法用一些技巧,避免用set判重。

而二维数组,可以用一些技巧,避免用set判重。

2.1、技巧:将搜索过的“O”变成不用搜索的“X”。

在BFS的例题,Surrounded Islands中,对四条边进行搜索“O”,并且在递归中,把搜索到的“O”都变成了“X”,这样在下次遇到点的时候,只需要比较判断是不是“O”就行了,不需要再用in方法在set中查找了。

在DFS的例题numIslands中,对于已经搜索过的点,也可以用同样的技巧。

#######################################################
DFS不需要也不能保存中间状态,比如在二维数组的问题,numIsland这题中,如果用set把访问过的点坐标存储起来,在每次递归的时候都用in方法判重,会因为有大量的判重操作而超时。

所以可以通过构造一个与输入相同shape的二维数组来对每个坐标是否访问过进行追踪,把每次判断的时间复杂度控制在O(1),或者就用上面的技巧。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 216,258评论 6 498
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,335评论 3 392
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 162,225评论 0 353
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,126评论 1 292
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,140评论 6 388
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,098评论 1 295
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,018评论 3 417
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,857评论 0 273
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,298评论 1 310
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,518评论 2 332
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,678评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,400评论 5 343
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,993评论 3 325
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,638评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,801评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,661评论 2 368
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,558评论 2 352

推荐阅读更多精彩内容

  • 今天携家人一起到郊外旅行,同时约了好友一家人。临出发前,开始手忙脚乱的收拾行囊,由于11个月大的慢总也要同行,人虽...
    池昊育阅读 412评论 0 0
  • 这本书是一个朋友做为育儿参考推荐给我的。读罢总感觉有口气憋闷在胸口,为了里面死去的莉迪亚,也为了内斯、詹姆斯甚至杰...
    森书阅读 222评论 1 1
  • 我第一次见阿峰是在杭州城下街角一个破败的小酒馆里,点了盘土豆丝两瓶啤酒。 他很瘦,容颜憔悴。他说他刚失恋了,心情沮...
    ___海阅读 311评论 0 1
  • 牛奶 =完全食品?❌ 好多天没有写文案的我 心生愧疚 决定来点干货 不知道在韩的小伙伴们发现了没有 韩国...几乎...
    小小娜耶_阅读 443评论 0 1