图论中的可达路径问题与DFS算法实现

1. 可达路径问题解析

今天我们来探讨一个经典的图论问题——可达路径查找。给定一个有向图，我们需要找出从节点1到节点N的所有可能路径。这个问题在算法竞赛和实际工程中都很常见，比如网络路由规划、社交网络关系分析等场景都会用到类似的算法。

这个问题的核心在于如何高效地遍历图中的所有可能路径。我们通常会选择深度优先搜索（DFS）算法来解决，因为它天然适合处理这种"探索所有可能性"的场景。与广度优先搜索（BFS）相比，DFS在内存使用上更有优势，特别是在路径较长的情况下。

2. 算法设计与实现

2.1 数据结构准备

首先我们需要选择合适的数据结构来表示图。在这个实现中，我们使用了邻接矩阵：

cpp复制vector<vector<int>> vec(N + 1, vector<int>(N + 1, 0));

邻接矩阵的优势在于：

• 可以快速查询任意两个节点之间是否有边
• 实现简单直观
• 适合稠密图的情况

不过要注意，当图比较稀疏时（边数远小于节点数的平方），邻接矩阵会浪费大量空间，这时邻接表可能是更好的选择。

2.2 核心DFS算法

下面是DFS算法的核心实现：

cpp复制void dfs(vector<vector<int>>& vec, int N, int node){
    if (node == N){
        res.push_back(path);
        return;
    }
    for (int i = 1; i <= N; i++){
        if (vec[node][i]){
            path.push_back(i);
            dfs(vec, N, i);
            path.pop_back();
        }
    }
}

这个递归函数的工作流程是：

1. 如果当前节点已经是目标节点N，就把当前路径保存到结果中
2. 否则，遍历所有可能的下一节点
3. 对于每个可达的节点，先把它加入当前路径，然后递归探索
4. 递归返回后，把该节点从路径中移除（回溯）

注意：这里的回溯操作(path.pop_back())非常重要，它确保了在探索完一个分支后，路径能恢复到之前的状态，