迭代加深ID-DFS搜索算法

迭代加深ID-DFS搜索算法

迭代加深搜索，实质上就是限定下界的深度优先搜索。即首先允许深度优先搜索K层搜索树，若没有发现可行解，再将K+1后重复以上步骤搜索，直到搜索到可行解。

迭代加深搜索算法的实现原理及基本框架

在迭代加深搜索的算法中，连续的深度优先搜索被引入，每一个深度约束逐次加1，直到搜索到目标为止。

基本框架如下：

ProcedureID-dfs(dep:integer);

Var

 J:integer;

Begin

 Ifdep>深度的限界thenexit;//如果搜索的深度大于限界，则返回上一层

 Forj:=1tondo // 按照规则生成子结点

  If子结点安全then

   Begin

     入栈；

     If子结点是目标结点then对目标结点进行处理，退出程序

         Elseid-dfs(dep+1);

     退栈；

   End;

End;

    

Fori:=1todepmaxdo//枚举深度的限界

Begin

   Id-dfs(i);

   If运行超时thenbreak;

End;

迭代加深搜索算法的复杂度分析

从上述迭代加深搜索算法的实现过程和框架，我们可以看出，迭代加深搜索算法就是仿广度优先搜索的深度优先搜索。既能满足深度优先搜索的线性存储要求，又能保证发现一个最小深度的目标结点。（时间复杂度推算详见NOI导刊2010年第6期P26）

从实际应用来看，迭代加深搜索的效果比较好，并不比广度优先搜索慢很多，但是空间复杂度却与深度优先搜索相同，比广度优先搜索小很多。

迭代加深搜索算法的应用

使用搜索算法的时候，选择正确的搜索方式很重要。当有一类问题需要做广度优先搜索，但却没有足够的空间，而时间却很充裕，碰到这类问题，我们可以选择迭代加深搜索算法。

例题：POJ 2286 The Rotation Game

 

四、总结

一般来说，如果目标结点离根结点远，需要遍历整棵树，可以考虑使用深度优先搜索；如果目标离根结点近，或求最小步数，则考虑广度优先搜索或迭代加深搜索；若广度优先搜索存在空间不够的问题，则考虑使用迭代加深搜索。