DFS回溯算法在图论路径搜索中的应用与优化

1. 问题分析与算法选型

今天我们要解决的是一个经典的图论问题：找出从起点到终点的所有可达路径。这类问题在实际应用中非常常见，比如网络路由规划、社交网络关系分析、游戏地图寻路等场景都会用到。

题目给出了一个有向图，要求我们找出从节点1到节点n的所有路径。输入格式是：第一行两个整数n和m，分别表示节点数和边数；接下来m行每行两个整数s和t，表示一条从s指向t的有向边。

为什么选择深度优先搜索（DFS）加回溯的方法来解决这个问题？主要有以下几个考虑：

1. 路径探索特性：DFS天然适合探索所有可能的路径，它会沿着一条路径一直深入，直到无法继续或者到达目标节点，然后回溯尝试其他分支。

2. 空间复杂度优势：相比广度优先搜索（BFS），DFS在存储路径时只需要维护当前路径栈，空间复杂度更低。BFS需要存储所有中间状态的路径，在路径数量多时会占用大量内存。

3. 实现简洁性：DFS的递归实现非常直观，配合回溯可以清晰地表达"尝试-撤销"的过程，代码可读性强。

注意：在有环图中使用DFS需要特别小心，本题假设图中没有环（虽然题目没有明确说明，但从示例来看是这样），否则需要额外的访问标记来避免无限循环。

2. 数据结构设计与实现细节

2.1 图的表示方式

我们选择邻接矩阵来表示图，这是一个n+1×n+1的二维数组（因为节点编号从1开始），其中graph[i][j]为1表示存在从i到j的边。这种表示方式有几个特点：

1. 查询效率高：检查两点之间是否有边只需要O(1)时间
2. 空间开销大：空间复杂度是O(n²)，对于稀疏图来说比较浪费
3. 实现简单：特别适合节点数量不是特别大的情况

对于节点数n很大的稀疏图，邻接表会是更好的选择。但在本题的上下文和一般编程竞赛场景中，邻接矩阵通常是首选，因为：

• 题目给定的n通常不会太大（比如n≤100）
• 实现更简单，减少编码错误
• 不需要处理动态数组的内存管理

2.2 核心算法实现

让我们仔细分析DFS函数的实现细节：

cpp复制void dfs(vector<vector<int>>& graph, int index, int n) {
    if (index == n) {  // 终止条件：到达目标节点