图的遍历算法解析与洛谷3916题实战

1. 图的遍历算法解析与洛谷3916题实战

（开篇以开发者视角直接切入主题）
最近在洛谷刷题时遇到一道经典的图遍历问题（P3916），发现很多朋友对图的遍历算法理解不够深入，导致解题效率低下。今天我就结合这道题目，分享一下图的深度优先搜索(DFS)和广度优先搜索(BFS)的底层原理、实现差异和实战技巧。这道题虽然标为"简单"，但其中蕴含着几个值得注意的优化点，我在初次提交时也踩过坑。

图遍历是算法竞赛中的基础技能，在社交网络分析、路径规划、依赖解析等场景都有广泛应用。洛谷3916题要求找出每个顶点能到达的最大编号顶点，看似简单实则考察了对遍历算法的深入理解。下面我会从图的存储方式选择开始，逐步拆解解题思路，最后给出经过多次优化后的AC代码。

2. 题目分析与数据结构选择

2.1 洛谷P3916题目重述

题目给定一个有向图，包含N个顶点(1≤N≤1e5)和M条边(1≤M≤1e5)。对于每个顶点v，要求输出从v出发能够到达的最大顶点编号。这个问题的关键在于高效处理大规模图的遍历，常规的暴力解法会导致O(N^2)时间复杂度，在1e5数据量下必然超时。

2.2 邻接表与邻接矩阵的抉择

面对图问题，首先需要选择合适的数据结构：

• 邻接矩阵：O(1)查询但需要O(N^2)空间，本题N=1e5时内存直接爆炸
• 邻接表：空间O(N+M)，更适合稀疏图

cpp复制// 邻接表标准实现
vector<vector<int>> adj(N+1);  // 顶点编号1~N
while(M--){
    int u, v;
    cin >> u >> v;
    adj[u].push_back(v);
}

注意：有向图只需单向存储边，但若题目改为无向图则需双向存储

2.3 逆向思维优化

直接对每个顶点做完整遍历显然不现实。观察到：

1. 最大编号顶点只能到达自己
2. 次大编号顶点要么到达自己，要么通过边到达最大编号顶点
3. 可以逆向处理，从大到小遍历顶点

这种思路将时间复杂度从O(N^2)降为O(N+M)，是典型的"逆向思维+记忆化"优化。

3. 深度优先搜索(DFS)实现详解

3.1 基础DFS实现

cpp复制vector<int> max_node(N+1, 0);

v