📘 教案 14：DFS / BFS 搜索进阶（与回溯的统一理解）
一、问题本质
在很多问题中，我们面对的不是数组，而是一个"状态空间"。
例如：
- 迷宫中从起点走到终点
- 在棋盘上放置棋子（如 N 皇后）
- 在字符串中逐步构造答案
- 在图中寻找路径
这些问题本质上都是：
在一个巨大的"可能性空间"中，寻找满足条件的路径或结果。
二、统一视角：搜索 = 在状态空间中移动
可以把所有问题抽象为：
- 每个"状态"是一个节点
- 每个"选择"是一条边
- 整体构成一张隐式图
因此：
所谓搜索算法，本质是在一张"隐式图"上进行遍历。
三、DFS：深度优先搜索（Depth-First Search）
1. 基本思想
从一个状态出发，沿着一条路径不断深入，直到：
- 找到解
- 或无法继续
然后回退，尝试其他路径。
2. 与回溯的关系（关键）
回溯其实就是：
带约束的 DFS
区别在于：
- DFS：只是遍历
- 回溯：在 DFS 过程中"筛选合法路径"
3. 结构模型
python
def dfs(state):
if state 满足条件:
记录结果
return
for next_state in 所有可能选择:
if 不合法:
continue
做选择
dfs(next_state)
撤销选择4. 核心特征
- 走一条路走到底
- 使用递归（或栈）
- 适合"找所有解"或"构造解"
四、BFS：广度优先搜索（Breadth-First Search）
1. 基本思想
从起点出发，逐层扩展：
- 先访问所有"距离为1"的状态
- 再访问所有"距离为2"的状态
- 以此类推
2. 结构模型
python
from collections import deque
def bfs(start):
queue = deque([start])
visited = set([start])
while queue:
state = queue.popleft()
for next_state in 相邻状态:
if next_state 未访问:
visited.add(next_state)
queue.append(next_state)3. 核心特征
- 一层一层扩展
- 使用队列
- 第一次到达目标即为最短路径（在无权图中）
五、DFS 与 BFS 的本质区别
| 维度 | DFS | BFS |
|---|---|---|
| 搜索方向 | 深度优先 | 层级扩展 |
| 数据结构 | 栈 / 递归 | 队列 |
| 是否最短路径 | 不保证 | 保证（无权图） |
| 适合问题 | 枚举、构造 | 最短路径 |
六、与回溯的统一理解（关键部分）
可以把三者统一为一件事：
都是在"状态空间图"中搜索
但侧重点不同：
DFS（纯搜索）
- 目标：遍历
- 不关心路径合法性
回溯（DFS + 剪枝）
- 目标：找所有合法解
- 关键：剪枝
BFS
- 目标：找最短路径
- 关键：层级扩展
七、典型问题对比
1. 迷宫路径
- 找任意路径 → DFS
- 找最短路径 → BFS
2. N 皇后
- 必须用 DFS + 回溯
3. 最短步数问题（如变换问题）
- 必须用 BFS
八、一个统一示例（帮助理解）
问题：从 0 变到 target，每次可以：
- +1
- ×2
DFS 思路
- 不断尝试路径
- 可能重复走
- 可能很慢
BFS 思路
- 层层扩展
- 第一次到 target → 最短路径
👉 这个例子非常典型：
BFS = 在"操作次数最少"的意义下找最优解
九、常见错误
- DFS 忘记"撤销状态"（导致结果错误）
- BFS 忘记 visited（导致无限循环）
- 用 DFS 求最短路径（效率极差）
- 回溯没有剪枝（变成纯暴力）
十、本质总结
搜索类算法的统一本质可以表述为：
在一个隐式定义的状态空间中，通过系统地扩展状态，找到满足条件的路径或解。
更适合教学的一句话表达
DFS 是沿路径深入的搜索方式，BFS 是按层扩展的搜索方式，而回溯是在 DFS 基础上加入约束以筛选解的一种搜索策略。