图的寻路算法详解：深度优先搜索 (DFS) 的 Java 实现

4. 路径查询方法

查询路径分为两步：首先判断是否有路径（即终点是否被访问过），如果有，则利用栈结构从终点逆向回溯至起点，再翻转得到正序路径。

boolean hasPath(int w) {
    assert w >= 0 && w < G.V();
    return visited[w];
}

Vector<Integer> path(int w) {
    assert hasPath(w);
    Stack<Integer> stack = new Stack<>();
    int p = w;
    while (p != -1) {
        stack.push(p);
        p = from[p];
    }
    Vector<Integer> res = new Vector<>();
    while (!stack.empty()) res.add(stack.pop());
    return res;
}

四、完整代码实现

以下是整合后的 Path 类，包含必要的导入和注释，可直接用于测试。

import java.util.Stack;
import java.util.Vector;

/**
 * 基于 DFS 的寻路算法
 */
public class Path {
    private Graph G;          // 图的引用
    private int s;            // 起始点
    private boolean[] visited;// 记录访问过的节点
    private int[] from;       // 记录路径，from[i]表示i的前驱节点

    // 构造函数，寻路算法
    public Path(Graph graph, int s) {
        G = graph;
        assert s >= 0 && s < G.V();
        visited = new boolean[G.V()];
        from = new int[G.V()];
        for (int i = 0; i < G.V(); i++) {
            visited[i] = false;
            from[i] = -1;
        }
        this.s = s;
        // 开始 DFS 寻路
        dfs(s);
    }

    // 深度优先遍历
    private void dfs(int v) {
        visited[v] = true;
        for (int i : G.adj(v)) {
            if (!visited[i]) {
                from[i] = v;
                dfs(i);
            }
        }
    }

    // 判断是否有路径
    boolean hasPath(int w) {
        assert w >= 0 && w < G.V();
        return visited[w];
    }

    // 获取路径
    Vector<Integer> path(int w) {
        assert hasPath(w);
        Stack<Integer> stack = new Stack<>();
        int p = w;
        while (p != -1) {
            stack.push(p);
            p = from[p];
        }
        Vector<Integer> res = new Vector<>();
        while (!stack.empty()) res.add(stack.pop());
        return res;
    }

    // 打印路径
    void showPath(int w) {
        assert hasPath(w);
        Vector<Integer> vec = path(w);
        for (int i = 0; i < vec.size(); i++) {
            System.out.print(vec.elementAt(i));
            if (i != vec.size() - 1)
                System.out.print(" -> ");
        }
        System.out.println();
    }
}

五、算法测试与应用

为了验证算法的正确性，我们可以构建一个简单的稀疏图进行测试。

测试代码

public class PathTest {
    public static void main(String[] args) {
        // 创建一个图
        Graph g = new SparseGraph(7, false);
        g.addEdge(0, 1);
        g.addEdge(0, 2);
        g.addEdge(1, 3);
        g.addEdge(1, 4);
        g.addEdge(2, 5);
        g.addEdge(4, 6);

        // 寻路算法测试
        Path path = new Path(g, 0);
        System.out.println("Path from 0 to 6:");
        path.showPath(6); // 输出：0 -> 1 -> 4 -> 6

        System.out.println("Path from 0 to 5:");
        path.showPath(5); // 输出：0 -> 2 -> 5

        System.out.println("Has path to 3: " + path.hasPath(3));
        System.out.println("Has path to 6: " + path.hasPath(6));
    }
}

输出结果

Path from 0 to 6: 0 -> 1 -> 4 -> 6 
Path from 0 to 5: 0 -> 2 -> 5 
Has path to 3: true 
Has path to 6: true 

六、算法分析与优化

时间复杂度分析

空间复杂度

主要消耗在于 visited 和 from 数组以及递归栈，总体为 O(V)。

优化方向

1. 广度优先搜索 (BFS)：如果需要最短路径，BFS 是更好的选择。
2. 双向搜索：同时从起点和终点开始搜索，减少搜索空间。
3. 启发式搜索：如 A*算法，适用于有权图或具有距离信息的场景。

七、DFS 寻路与 BFS 寻路对比

选择建议：

• 只需要找到任意一条可行路径，且对路径长度不敏感时，使用 DFS。
• 必须找到最短路径（边数最少）时，使用 BFS。
• 图规模非常大且内存受限，DFS 通常更友好。

八、实际应用场景

DFS 寻路在实际开发中非常常见，例如：

1. 迷宫求解
2. 网络路由协议
3. 社交网络中查找关系链
4. 游戏中的 AI 路径规划
5. 依赖关系解析（如 Maven/Gradle 依赖树）

九、总结

本文详细介绍了基于 DFS 的图寻路算法，涵盖了核心思想、数据结构设计、Java 完整实现以及复杂度分析。虽然 DFS 不能保证找到最短路径，但其实现简单、逻辑清晰，且在特定场景下效率很高。理解这一算法是掌握更复杂图算法（如 Dijkstra、A*）的重要基石。