基本上，它是深度优先搜索，在某个深度或成本停止。例如，它可以DFS来自源的10个边缘内的所有节点，然后是20个，然后是30个。不同之处在于，不是在每次迭代后从头开始DFS，而是存储搜索区域的“周长”（列表节点）当搜索的每次迭代达到其极限时。
在下一次迭代中，我循环遍历周边的所有节点，从每个节点执行DFS，再次停止到固定的深度/成本，再次记录搜索区域的周界以便从下一次迭代开始
我这样做的原因是因为我的图形（它是一棵树）被分成一组逻辑“块”，每个逻辑“块”必须在其子块开始被探索之前被完全探索。有大量的节点，但只有少量的块;我本质上是在做一个大块的BFS，每个单独的块（包含大量的单个节点）都由它自己的迷你DFS完全探索。
现在，我只是在现场彻底解决了我的问题，而且确实如此，但文献中有这样的东西吗？我还没有找到任何东西，但我确信其他人之前已经做过这件事，并且正确地分析了它的性能，渐近行为，缺点，错误等等。在这种情况下，我想知道它。 / p>
答案 0 :(得分：3)
我现在没有这个混合型的名字。我也使用了类似的东西，但我不认为它经常被使用并且有一个名字。通常，其他算法更有意义：
如果你想在块中缓慢前进，为什么不使用BFS？
通常首选DFS，因为您可以获得完整的跟踪。此外，迭代加深DFS比你的算法简单，只需要两倍的时间，并且需要更少的内存。