Algorithm 为什么深度优先搜索会受到无限循环的影响？

我已经读过很多次了，但我的脑海里一直萦绕着这个疑问。在很多文章中都提到DFS可能陷入无限循环中

据我所知，通过跟踪访问的节点，可以很容易地消除这种限制。事实上，在我读过的所有书籍中，这张小小的支票是DFS的一部分

那么为什么“无限循环”被称为DFS的一个缺点呢？是否只是因为原始DFS算法没有对访问的节点进行此检查？请解释。

（1）在[人工智能上经常使用的]图形搜索算法中，DFS的主要优势是空间效率。这是其在BFS上的主要优势。但是，如果您跟踪访问的节点，您将失去这一优势，因为您需要将所有访问的节点存储在内存中。不要忘记，访问节点的大小会随着时间的推移急剧增加，对于非常大/无限的图，可能无法放入内存中

（2） 有时DFS可能位于无限分支中[在无限图中]。无限分支是一个不结束的分支[总是有“更多的子”]，也不会让您到达目标节点，因此对于DFS，您可能会继续无限扩展此分支，并“错过”通向目标节点的好分支

奖金：
您可以通过使用DFS和BFS的组合来克服DFS中的此缺陷，同时保持相对较小的内存大小：

（1）在[人工智能上经常使用的]图形搜索算法中，DFS的主要优势是空间效率。这是其在BFS上的主要优势。但是，如果您跟踪访问的节点，您将失去这一优势，因为您需要将所有访问的节点存储在内存中。不要忘记，访问节点的大小会随着时间的推移急剧增加，对于非常大/无限的图，可能无法放入内存中

（2） 有时DFS可能位于无限分支中[在无限图中]。无限分支是一个不结束的分支[总是有“更多的子”]，也不会让您到达目标节点，因此对于DFS，您可能会继续无限扩展此分支，并“错过”通向目标节点的好分支

奖金：

---

您可以通过使用DFS和BFS的组合来克服DFS中的此缺陷，同时保持相对较小的内存大小：

传统的DFS算法确实可以跟踪节点。局部搜索算法不跟踪状态，表现为健忘症。所以我认为循环主要是指一个无限分支（一个具有无限可能状态的分支）。在这种情况下，DFS只会下降并过于集中于一个分支。

传统的DFS算法会跟踪节点。局部搜索算法不跟踪状态，表现为健忘症。所以我认为循环主要是指一个无限分支（一个具有无限可能状态的分支）。在这种情况下，DFS只会下降，并且过于关注一个分支。

对于问题#1：我想知道仅保留当前正在搜索的分支的节点是否也能避免DFS中的循环？无论何时选择要展开的节点，如果它在该列表中，我们都可以跳过它。这样，我们不需要跟踪所有访问的节点，因此不会有太多开销。对吗？对于问题2：我同意这是DFS的主要缺点之一（尽管它更大的缺点确实是它的“不知情”探索，但我知道你没有提到这一点，因为它与问题无关。只是对好奇的读者说）.对于问题#1：我想知道仅保留当前正在搜索的分支的节点是否也能避免DFS中的循环？无论何时选择要展开的节点，如果它在该列表中，我们都可以跳过它。这样，我们不需要跟踪所有访问的节点，因此不会有太多开销。对吗？对于问题2：我同意这是DFS的主要缺点之一（尽管它更大的缺点确实是它的“不知情”探索，但我知道你没有提到这一点，因为它与问题无关。只是为了好奇的读者说）。