Algorithm 深度优先搜索的最短路径

如何使用DFS获得最短路径。我已经看到这个问题被问了好几次，但是回答通常是使用BFS或不同的算法。如果机器人穿越迷宫呢？BFS是不可能的，因为它从一个节点跳到另一个节点，机器人需要回溯

现在，我正在尝试使用以下方法解决此问题：

def dfs(self, v):
    v.visited = True
    for adj in v.adj:
        if adj.visited is False:
            # set the parent
            adj.successor = v
            # explore the other nodes
            self.dfs(adj)

---

但是，这并不一定返回最短路径。还有别的办法解决这个问题吗？我已经看到了一些使用深度优先迭代深化的建议，但我找不到很多实现此算法的示例。

如果有人对我如何解决此问题感兴趣，以下是我的解决方案：

def dfs(self, v):
    if v.successor is None:  # this is the root node
        v.cost = 0
    v.visited = True
    for adj in v.adj:
        if adj.visited is False:
            # set the parent
            adj.successor = v
            adj.cost = v.cost + 1
            self.dfs(adj)
        # if the cost is less switch the successor
        # and set the new cost
        elif adj.cost > v.cost + 1:
            adj.successor = v
            adj.cost = v.cost + 1
            self.dfs(adj)

---

这本质上是DFS的一个版本，它跟踪每个顶点的成本。如果顶点的代价大于后续+1步，则它将设置新的后续。这允许在不使用BFS的情况下找到最短路径。

我认为深度优先搜索迭代深化背后的思想是，如果深度优先搜索尝试深入到N，则可以编写一个不追求递归的深度优先搜索。如果使用N=1，N=2，N=3运行它。。。当它第一次成功地找到目的地时，它已经找到了一条长度为N的路径，并且它知道没有长度小于N的路径有效，因此长度为N的路径必须是最短路径。还有一个问题，我发现很难相信任何认真的搜索已经完成。DFS在几乎所有的算法编程资源中都有广泛的介绍。此外，虽然它被大量地覆盖，但它不会详细说明如何修改它以获得最短路径。