探索JS中的深度优先与广度优先搜索算法

2023-10-20 10:22:46

算法的本质

算法是解决问题的一系列步骤，它们将输入转换为所需的输出。在计算机科学中，算法被用于解决各种各样的问题，从数学计算到数据分析再到人工智能。

在图形数据结构中，搜索算法用于找到特定节点或路径。深度优先搜索和广度优先搜索是两种最常用的搜索算法，它们具有不同的搜索策略和应用场景。

深度优先搜索：沿着一条路走到底

深度优先搜索（Depth-First Search，DFS）算法遵循“先进后出”（LIFO）的原则，这意味着它会沿着一条路径一直搜索下去，直到找到目标节点或到达死胡同。然后，它会回溯到上一个节点，并沿着另一条路径继续搜索，依此类推。

function depthFirstSearch(graph, startNode) {
  // 已访问节点的集合
  const visited = new Set();

  // 递归函数，从给定节点开始搜索
  function search(node) {
    // 标记该节点为已访问
    visited.add(node);

    // 访问该节点的邻居节点
    for (const neighbor of graph[node]) {
      // 如果邻居节点未被访问，则递归搜索
      if (!visited.has(neighbor)) {
        search(neighbor);
      }
    }
  }

  // 从给定节点开始搜索
  search(startNode);
}

广度优先搜索：逐层搜索

广度优先搜索（Breadth-First Search，BFS）算法遵循“先进先出”（FIFO）的原则，这意味着它会逐层搜索图中的所有节点。从给定节点开始，它会首先访问该节点的所有邻居节点，然后访问邻居节点的邻居节点，依此类推，直到找到目标节点或搜索完全部节点。

function breadthFirstSearch(graph, startNode) {
  // 待访问节点的队列
  const queue = [startNode];

  // 已访问节点的集合
  const visited = new Set();

  // 循环访问队列中的节点
  while (queue.length > 0) {
    // 从队列中取出第一个节点
    const node = queue.shift();

    // 标记该节点为已访问
    visited.add(node);

    // 访问该节点的邻居节点
    for (const neighbor of graph[node]) {
      // 如果邻居节点未被访问，则将其加入队列
      if (!visited.has(neighbor)) {
        queue.push(neighbor);
      }
    }
  }
}