当你想通过尽可能少的对口,即当你想在一张没有加权的图表中找到最短的道路时。

此外,在例如这样的情况下,第一次深入搜索的空间复杂程度可能高于宽广的首次搜索。 每个节点只有一名儿童节点,即当图表深厚但范围不广时。

如果你的搜索领域是无限的,那么深入的第一研究并不能保证终止或确定解决办法,即使确实存在某种明确的解决办法。

你们还可以看到,像A*这样的更为细致的算法是宽广度第一研究的一种特殊亚类。

总的来说,脂肪既是最佳的,也是完整的(具有明确分量因素),而脂肪则是零。

Could be used for solving a search problem with minimum number of steps. Going in depth first could lead (if not limited somehow) to infinite depth.

例如:找到最接近条件的根源。

没有人提到在宽度第一搜索有用的情况下的一个关键因素:以某种方式访问点可能取消以其他方式访问点的要求。 在某些情况下,不管访问点的顺序如何,人们都会结束同样的工作,但比外勤部要少得多的行动。 在其他情况下,按顺序进行访问的节点可能需要比其他组别多得多的工作;因此,提供了各种最短的算法。 如果要看病点,除非知道 no子可以走比现在更短的道路,否则就要求访问其邻国,那么,按宽松一度的顺序看看看看看看看看看病器通常会给与最短的路段或靠近其第一次访问的地方。 相比之下,深度一度的搜索将使许多节点第一次以非常长的道路访问,然后是稍微可怕的道路,然后是稍微可怕的道路,等等,需要真正大量的工作。

BTW, 说明深度一和广度一算法之间差异的缩略图,是区域洪水填充,其中一只白点被黑漆和填满邻国的洪水淹没。 如果有人试图从玉米开始填满NxN广场,则第一种深度作业将按螺旋或Zg-zag顺序填满该广场,NxN-1号行动仍停留在中。 广度一填充将从起点起算,在大多数O(N)业务尚未完成,不论填满的形状。 BTW是IBM BASICA的洪水填充这种方式(我不相信QBASIC)。

其中一个实例是检索档案系统(检索深度有限)。

wikipedia,它还有助于某些图表算法(部分、相关部分)。

使用宽度第一搜寻方法的意思是什么?

例如,当你需要找到一条图表中最短的道路时,外勤部就能够这样做。 还有一些其他应用,但总体而言,外勤部和BFS是处理不同数据结构的相同算法(BFS使用电站,DFS与 st合)。

当你需要从没有边缘的图表中找到最短的道路。

首先深入探讨你可能找到“当地”解决办法,真正找到一种全球解决办法,你需要背弃整个图表(或使用透镜)。

BFS有时确实有用。 支撑你们的树代表了WBS。 你可能只想向用户提出1级。

第一种搜索算法类似尽可能接近起点。 我认为,一些局势是:

1. Social networking websites can use it for finding the people in the specified distance.
2. It can be useful in torrenting/peer-to-peer network to look for neighbouring computers.
3. GPS navigation systems can use it to find nearby locations.