📜  迭代深化搜索(IDS)或迭代深化深度优先搜索(IDDFS)

📅  最后修改于: 2022-05-13 01:57:54.495000             🧑  作者: Mango

迭代深化搜索(IDS)或迭代深化深度优先搜索(IDDFS)

遍历图有两种常见的方式,BFS 和 DFS。考虑到高度和宽度巨大的树(或图),由于以下原因,BFS 和 DFS 都不是很有效。

  1. DFS首先遍历经过根的一个相邻节点,然后是下一个相邻节点。这种方法的问题是,如果有一个靠近根的节点,但不在 DFS 探索的前几个子树中,那么 DFS 很晚才到达该节点。此外,DFS 可能找不到到节点的最短路径(就边数而言)。

    iddfs3

  2. BFS逐级进行,但需要更多空间。 DFS 所需的空间是 O(d),其中 d 是树的深度,但 BFS 所需的空间是 O(n),其中 n 是树中的节点数(为什么?请注意,树的最后一层可以有大约 n/ 2 个节点和倒数第二级 n/4 个节点,在 BFS 中,我们需要将每个级别一个接一个地放入队列中)。

IDDFS结合了深度优先搜索的空间效率和广度优先搜索的快速搜索(对于更接近根的节点)。

IDDFS 是如何工作的?
IDDFS 从初始值开始调用不同深度的 DFS。在每次调用中,DFS 都被限制超出给定的深度。所以基本上我们以 BFS 方式进行 DFS。

算法:

// Returns true if target is reachable from
// src within max_depth
bool IDDFS(src, target, max_depth)
    for limit from 0 to max_depth
       if DLS(src, target, limit) == true
           return true
    return false   

bool DLS(src, target, limit)
    if (src == target)
        return true;

    // If reached the maximum depth, 
    // stop recursing.
    if (limit <= 0)
        return false;   

    foreach adjacent i of src
        if DLS(i, target, limit?1)             
            return true

    return false

需要注意的重要一点是,我们多次访问顶级节点。最后一个(或最大深度)级别被访问一次,倒数第二个级别被访问两次,依此类推。它可能看起来很昂贵,但事实证明它并没有那么昂贵,因为在树中,大多数节点都位于底层。因此,是否多次访问上层并不重要。

下面是上述算法的实现

C/C++
// C++ program to search if a target node is reachable from
// a source with given max depth.
#include
using namespace std;
  
// Graph class represents a directed graph using adjacency
// list representation.
class Graph
{
    int V;    // No. of vertices
  
    // Pointer to an array containing
    // adjacency lists
    list *adj;
  
    // A function used by IDDFS
    bool DLS(int v, int target, int limit);
  
public:
    Graph(int V);   // Constructor
    void addEdge(int v, int w);
  
    // IDDFS traversal of the vertices reachable from v
    bool IDDFS(int v, int target, int max_depth);
};
  
Graph::Graph(int V)
{
    this->V = V;
    adj = new list[V];
}
  
void Graph::addEdge(int v, int w)
{
    adj[v].push_back(w); // Add w to v’s list.
}
  
// A function to perform a Depth-Limited search
// from given source 'src'
bool Graph::DLS(int src, int target, int limit)
{
    if (src == target)
        return true;
  
    // If reached the maximum depth, stop recursing.
    if (limit <= 0)
        return false;
  
    // Recur for all the vertices adjacent to source vertex
    for (auto i = adj[src].begin(); i != adj[src].end(); ++i)
       if (DLS(*i, target, limit-1) == true)
          return true;
  
     return false;
}
  
// IDDFS to search if target is reachable from v.
// It uses recursive DFSUtil().
bool Graph::IDDFS(int src, int target, int max_depth)
{
    // Repeatedly depth-limit search till the
    // maximum depth.
    for (int i = 0; i <= max_depth; i++)
       if (DLS(src, target, i) == true)
          return true;
  
    return false;
}
  
// Driver code
int main()
{
    // Let us create a Directed graph with 7 nodes
    Graph g(7);
    g.addEdge(0, 1);
    g.addEdge(0, 2);
    g.addEdge(1, 3);
    g.addEdge(1, 4);
    g.addEdge(2, 5);
    g.addEdge(2, 6);
  
    int target = 6, maxDepth = 3, src = 0;
    if (g.IDDFS(src, target, maxDepth) == true)
        cout << "Target is reachable from source "
                "within max depth";
    else
        cout << "Target is NOT reachable from source "
                "within max depth";
    return 0;
}


Python
# Python program to print DFS traversal from a given
# given graph
from collections import defaultdict
  
# This class represents a directed graph using adjacency
# list representation
class Graph:
  
    def __init__(self,vertices):
  
        # No. of vertices
        self.V = vertices
  
        # default dictionary to store graph
        self.graph = defaultdict(list)
  
    # function to add an edge to graph
    def addEdge(self,u,v):
        self.graph[u].append(v)
  
    # A function to perform a Depth-Limited search
    # from given source 'src'
    def DLS(self,src,target,maxDepth):
  
        if src == target : return True
  
        # If reached the maximum depth, stop recursing.
        if maxDepth <= 0 : return False
  
        # Recur for all the vertices adjacent to this vertex
        for i in self.graph[src]:
                if(self.DLS(i,target,maxDepth-1)):
                    return True
        return False
  
    # IDDFS to search if target is reachable from v.
    # It uses recursive DLS()
    def IDDFS(self,src, target, maxDepth):
  
        # Repeatedly depth-limit search till the
        # maximum depth
        for i in range(maxDepth):
            if (self.DLS(src, target, i)):
                return True
        return False
  
# Create a graph given in the above diagram
g = Graph (7);
g.addEdge(0, 1)
g.addEdge(0, 2)
g.addEdge(1, 3)
g.addEdge(1, 4)
g.addEdge(2, 5)
g.addEdge(2, 6)
  
target = 6; maxDepth = 3; src = 0
  
if g.IDDFS(src, target, maxDepth) == True:
    print ("Target is reachable from source " +
        "within max depth")
else :
    print ("Target is NOT reachable from source " +
        "within max depth")
  
# This code is contributed by Neelam Pandey



输出 :
Target is reachable from source within max depth

插图:
可能有两种情况——
a) 当图没有环时:这种情况很简单。我们可以使用不同的高度限制多次 DFS。

b) 当图有循环时。这很有趣,因为 IDDFS 中没有访问标志。
iddfs1
iddfs2

时间复杂度:假设我们有一棵树,其分支因子为“b”(每个节点的子节点数),其深度为“d”,即有b d个节点。

在迭代加深搜索中,最底层的节点被展开一次,下一层的节点被展开两次,以此类推,直到搜索树的根,展开d+1次。因此,迭代深化搜索中的扩展总数是-

(d)b + (d-1)b2 + .... + 3bd-2 + 2bd-1 + bd

That is,
   Summation[(d + 1 - i) bi], from i = 0 to i = d
Which is same as O(bd)

在评估上述表达式后,我们发现渐近 IDDFS 与 DFS 和 BFS 所用的时间相同,但它确实比它们都慢,因为它在时间复杂度表达式中具有更高的常数因子。

IDDFS 最适合完整的无限树

iddfs4

参考:
https://en.wikipedia.org/wiki/Iterative_deepening_depth-first_search