DFS与BFS算法讲解

### DFS 和 BFS 算法的中英文双语讲解 #### 深度优先搜索（Depth-First Search，DFS） 深度优先搜索是一种用于遍历或搜索树或图的算法。其核心思想是从起始节点开始，沿着某个方向一直深入，直到无法继续为止，然后回溯到上一个节点并重复这一过程[^1]。 在中文中，深度优先搜索被称为“深度优先遍历”或“深度优先搜索”。它通过递归或栈来实现。以下是使用递归实现 DFS 的 Python 示例代码： ```python def dfs(graph, node, visited): if node not in visited: visited.add(node) print(node, end=" ") # 访问节点 for neighbor in graph[node]: dfs(graph, neighbor, visited) # 示例图结构 graph = { 'A': ['B', 'C'], 'B': ['A', 'D', 'E'], 'C': ['A', 'F'], 'D': ['B'], 'E': ['B', 'F'], 'F': ['C', 'E'] } visited = set() print("DFS Traversal:") dfs(graph, 'A', visited) ``` In English, Depth-First Search (DFS) is a technique that explores as far as possible along each branch before backtracking. It can be implemented using recursion or an explicit stack data structure[^2]. #### 广度优先搜索（Breadth-First Search，BFS） 广度优先搜索是一种用于遍历或搜索树或图的算法。其核心思想是按照层次顺序访问所有节点，即从起始节点开始，先访问其所有邻居节点，然后再访问下一层的节点[^3]。 在中文中，广度优先搜索被称为“广度优先遍历”或“广度优先搜索”。它通常通过队列来实现。以下是使用队列实现 BFS 的 Python 示例代码： ```python from collections import deque def bfs(graph, start): visited = set() queue = deque([start]) visited.add(start) while queue: node = queue.popleft() print(node, end=" ") # 访问节点 for neighbor in graph[node]: if neighbor not in visited: visited.add(neighbor) queue.append(neighbor) # 示例图结构 graph = { 'A': ['B', 'C'], 'B': ['D', 'E'], 'C': ['F'], 'D': [], 'E': ['F'], 'F': [] } print("\nBFS Traversal:") bfs(graph, 'A') ``` In English, Breadth-First Search (BFS) explores all the neighbors of a node at the current depth level before moving on to nodes at the next depth level. It is typically implemented using a queue data structure[^4]. ### 总结 - **DFS** 使用递归或栈进行实现，适合查找路径或检测连通性。 - **BFS** 使用队列进行实现，适合寻找最短路径或计算距离。