本质上，它是一个深度优先的搜索，在某个深度或代价处停止。例如，它可以在距离源的10个边内DFS所有节点，然后是20个边，然后是30个边。不同之处在于，我不是在每次迭代之后从头开始创建DFS，而是在每次搜索迭代达到极限时存储搜索区域的"周长"(节点列表)。
在下一次迭代中，i循环遍历周长上的所有节点，从每个节点执行DFS，在停止之前再次到固定的深度/成本，再次记录搜索区域的周长，以便下一次迭代开始。
我这样做的原因是因为我的图(这是一个树)被分割成一组逻辑"块"，每一个都必须在它的子块开始被探索之前被完全探索。有大量的节点，但只有少量的块;我实际上是在做一个逐块的BFS，每个单独的块(包含大量单独的节点)都由它自己的mini-DFS进行充分的探索。
现在，我只是在现场完全编造了这个来解决我的问题，它确实是这样的，但是在文献中有类似的东西吗?我还没有找到任何东西，但我相信有人以前做过，并正确地分析了它的性能，渐近行为，缺点，bug等。在这种情况下，我想知道它
我现在还没有为这种混合类型命名。我也用过类似的东西，但我不认为它经常被使用，也没有名字。通常，其他算法更有意义:
如果你想在块中慢慢前进，为什么不使用BFS?
通常首选DFS，因为在那里您可以获得完整的跟踪。此外，做迭代深化DFS比你的算法更简单，只需要两倍的时间，并且需要更少的内存。