搜索

搜索其实就是图的基础上进行一个遍历，从一个结点开始，通过有规则的步骤，不断地把图上的每个点都遍历，直到遍历到满足条件或者遍历完所有店依旧还没找到的情况下退出。主要分为深搜和广搜两个方面。

一、深搜

从树的角度说，就是从根节点开始不断地往深处挖，等挖到最底下的时候再返回，重新选另一个根节点继续往下面挖。

 

根据这个特性，可以想象出代码的实现是通过不断地递归下一层，找到底再返回来实现的，还有另一种方式就是利用栈这个数据结构，利用栈后进先出的方式，实现深搜的实现。

这种近乎暴力的遍历方式更加适用于求有没有的存在性问题。当要求输出有多少条路存在  或者 全排列 的这种问题用深搜这种方法更好解决。

例题：

落谷  p1036 选数

落谷 p1706 全排列问题

落谷 p1596 lake counting s

这些都是非常基础的深搜题目，不需要优化就可以写出来。

深搜这种方法从顶到底一条路走到黑的情况，如果数据范围非常的大，而且可以选择多个路遍历，可以想象他的时间复杂度是爆炸的（指数级），所以我们需要一些优化。

优化一、通过选取合适的根节点，来改变遍历的步骤，这样说不定可以优化时间。

优化二、记忆化递归，当某个点多次被遍历的时候，重复更新会浪费很多时间。这时候可以再开一个数组记录当前位置的状态，如果已经遍历过了，那么直接遍历下一个点或者返回，这样可以节省很多时间。 

优化三、剪枝。剪枝就是通过某些条件判断，减少一些不符合条件的遍历。如果一个结点的选择不满足题目限制的条件，那么他的下一个结点也就没有必要往下遍历了，这个路就是无效的。形象的说，就是减去搜索树中的某些枝条。  例题：落谷  P1433 吃奶酪。

 

二、广搜

广搜的遍历过程从树的角度说，就是先把树的一层第一个开始，依次遍历同层所有子节点，然后再遍历第一个子节点的第一个结点，直到全部遍历结束或者遇到满足条件的情况。 

在头脑中建立树的过程，如果把从该节点出发的所有可以走的结点连起来，那么每条线可以看成循环得每一步。那么就可以求解，遍历到某一个点 所需的最短的步骤数。

根据这个特性，可以想象出代码的实现是通过不断地递归下一层，找到底再返回来实现的，还有另一种方式就是利用队列这个数据结构，利用栈先进先出的方式，遍历到一个结点的时候，把从这个结点可以经过的所有点压入队列中，来模拟树的建立。