DFS与BFS算法实战：岛屿问题解析与优化

1. 岛屿问题算法解析：从DFS到BFS的实战指南

在算法竞赛和编程面试中，岛屿类问题（Island Problems）是图论中的经典题型，也是检验搜索算法掌握程度的试金石。这类问题通常给定一个由'0'（水域）和'1'（陆地）组成的二维网格地图，要求统计岛屿数量、计算最大岛屿面积或解决其他与连通区域相关的问题。本文将深入剖析两种核心解法——深度优先搜索（DFS）和广度优先搜索（BFS），并分享实际编码中的优化技巧和避坑经验。

1.1 问题定义与建模

岛屿问题的核心在于识别二维网格中的连通区域。在标准的计数孤岛问题中：

• 相邻的'1'（上下左右方向）组成一个岛屿
• 单独的'1'也算作一个岛屿
• 需要统计地图中独立岛屿的总数

例如对于如下3x3网格：

code复制1 1 0
0 1 0
0 0 1

应返回岛屿数量2（左上角4个'1'组成一个岛屿，右下角1个'1'是独立岛屿）

1.2 算法选择考量

DFS和BFS是解决这类连通性问题的两大核心策略：

• DFS：递归实现简洁，适合快速原型开发，但存在栈溢出风险
• BFS：迭代实现更安全，适合大规模网格，需要队列辅助空间
• 时间复杂度：均为O(n×m)，每个单元格最多被访问一次
• 空间复杂度：O(n×m)（存储访问标记）或O(min(n,m))（某些优化版本）

2. 深度优先搜索(DFS)实现详解

2.1 基础DFS实现

DFS的核心思想是"不撞南墙不回头"——从起点出发，沿一个方向深入探索，直到无法继续再回溯。以下是计数孤岛的Java实现关键点：

java复制public static void dfs(int[][] graph, boolean[][] visited, int x, int y) {
    // 终止条件：越界、已访问或遇到水域
    if (x < 0 || x >= graph.length || y < 0 || y >= graph[0].length 
        || visited[x][y] || graph[x][y] == 0) {
        return;
    }
    
    visited[x][y] = true; // 标记当前单元格为已访问