树结构算法：颜色标记法与DFS/BFS遍历详解

1. 树结构算法概述

树是计算机科学中最基础也最重要的数据结构之一，广泛应用于文件系统、数据库索引、游戏AI等领域。在处理树结构问题时，我们通常需要遍历整棵树来搜索特定节点或验证某些属性。根据遍历顺序和方向的不同，主要分为以下几种经典方法：

• 颜色标记法：通过给节点"着色"来记录访问状态
• BFS（广度优先搜索）：按层级逐层遍历
• 自顶向下DFS：从根节点开始递归处理
• 自底向上DFS：先处理子树再处理当前节点

这几种方法各有特点，适用于不同场景。下面我将结合具体代码示例，详细解析每种方法的实现原理和适用场景。

2. 颜色标记法详解

2.1 基本思想与实现

颜色标记法本质上是DFS的一种变体，通过给节点赋予不同"颜色"来标记其访问状态。典型的三色标记法实现如下：

python复制WHITE = 0  # 未访问
GRAY = 1   # 访问中
BLACK = 2  # 已访问完成

def dfs(node):
    if node.color == BLACK:
        return
    if node.color == GRAY:
        raise Exception("检测到环")
    
    node.color = GRAY
    for child in node.children:
        dfs(child)
    node.color = BLACK

这种方法的优势在于：

1. 可以清晰判断节点状态
2. 容易检测环的存在
3. 适合需要多次访问同一节点的场景

2.2 实际应用场景

颜色标记法特别适用于以下情况：

• 拓扑排序（课程安排、任务调度）
• 垃圾回收中的标记-清除算法
• 检测图中的环

提示：在实现时，可以用整数代替颜色枚举，节省内存空间。对于大规模图，可以考虑使用位运算进一步优化。

3. BFS算法解析

3.1 标准实现模板

BFS使用队列数据结构，保证节点按层级顺序被访问。以下是Python实现示例：

python复制from collections import deque

def bfs(root):
    if not root:
        return
    
    q