具有相同代码的算法，当应用于不同容器时可以实现不同的有用目标[关闭]

Question

广度优先搜索和深度优先搜索是两种相同的算法，除了它们所做的以及它们使用的数据结构。

广度优先搜索：

q := queue
q.append(root node of tree)
while q is not empty:
    n := q.pop()
    if n is the node being searched for:
        return n
    if n has children:
        c := children of node
        for i in c:
            q.push(i)

深度优先搜索：

s := stack
s.append(root node of tree)
while s is not empty:
    n := s.pop()
    if n is the node being searched for:
        return n
    if n has children:
        c := children of node
        for i in c:
            s.push(i)

是否还有其他算法（或数据结构）？

Answer 1

想到的是Dijkstra的图搜索算法和A *。 它们基本上是相同的，除了如何选择循环的下一次迭代 - Dijkstra的宽度优先 - 允许您找到最接近的目标，A *是启发式深度，首先允许您找到迭代次数最少的目标（最短的量）挂钟时间）。

实际上，我已经看到两者都使用完全相同的代码实现，允许您通过提供适当的回调来选择列表中的下一个节点来运行A *或Dijkstra（或者实际上是D *或其他算法）。

Answer 2

有一系列连续的算法，Prim-Dijkstra，它们依赖于区间[0,1]中的参数。 参数为0时，得到Prim算法; 当参数为1时，你得到Dijkstra算法。

Prim-Dijkstra非常适用于计算具有2个冲突优化目标的图的子树：最小化从“源”顶点到多个“漏”顶点的最大距离并最小化树的总长度。 在实际应用中，您通常希望绑定两个数量，因此使用中间参数执行Prim-Dijkstra。