数据结构与算法——深度寻路算法

简介: 📖作者介绍:22级树莓人(计算机专业),热爱编程<目前在c++阶段,因为最近参加新星计划算法赛道(白佬),所以加快了脚步,果然急迫感会增加动力>——目标Windows,MySQL,Qt,数据结构与算法,Linux,多线程,会持续分享学习成果和小项目的📖作者主页:king&南星📖专栏链接:数据结构🎉欢迎各位→点赞👏 + 收藏💞 + 留言🔔​💬总结:希望你看完之后,能对你有所帮助,不足请指正!共同学习交流 🐾————————————————版权声明:本文为CSDN博主「热爱编程的小K」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。

c6086a6db5e4443f8924eaa34b6daeb3.png

文章目录

1、介绍

2、地图的描绘

3、试探方向

4、死胡同问题

5、Stack代码

.h文件

.c文件

6、算法代码

.h文件

.c文件

1、介绍

深度寻路算法:使用的是栈模板,通过将其走过的点的坐标压入栈中,然后遍历其所在位置的各个方向寻找可以通行的"路径",一般情况下当迷宫的范围不太大时,其又存在路径是可以遍历到路径的,但是深度寻路并不会寻找最短路径。 并且 当迷宫足够大时,且其可通行的点足够多时,也就是一直都有点压入栈中,这时是找不到迷宫的出口的,还会使栈的占用内存过大,导致栈溢出。 深度优先搜索的规则是沿着一个固定的方向进行行走,等到了一个岔路口再继续选择方向,如果碰上了死胡同再退回下一个岔路口重新选择方向。 走过的路不会重新走,一次只走一个岔路口。深度寻路只能走直线 不能走斜线


2、地图的描绘

用二维数组来描述,可以用其他数据结构来描述 图结构

c93115f15e7546c2ad8cab28ec8b8950.png

//地图  1表示障碍 0表示路

int map[ROWS][COLS] = {

 { 1, 1, 1, 1, 1, 1, 1, 1, 1, 1 },

 { 1, 0, 1, 1, 0, 0, 0, 1, 1, 1 },

 { 1, 0, 1, 1, 0, 1, 0, 0, 0, 1 },

 { 1, 0, 1, 1, 0, 1, 0, 1, 0, 1 },

 { 1, 0, 1, 1, 0, 1, 0, 1, 0, 1 },

 { 1, 0, 0, 0, 0, 1, 0, 1, 0, 1 },

 { 1, 0, 1, 1, 1, 1, 0, 1, 0, 1 },

 { 1, 0, 1, 1, 1, 1, 0, 1, 0, 1 },

 { 1, 0, 1, 1, 1, 1, 0, 1, 0, 1 },

 { 1, 1, 1, 1, 1, 1, 1, 1, 1, 1 },

};

3、试探方向

试探 一般是顺时针或者逆时针

好马不吃回头草

人为规定试探方向顺序并且一开始所有的点都是一样

例如:一开始每个点都是 上

试探顺序是 上 左 下 右 逆时针

已经走过的应当标记,试探的时候走过的不走

所以我在这里准备了预测点和辅助地图,预测点的作用是探测是墙还是路,能不能走;辅助地图的作用是标记已经走过的地方和方向

//点

Mypoint begPos = { 1,1 };

Mypoint endPos = { 8,8 };

//辅助地图,标记起点走过

pathMap PathMap[ROWS][COLS] = { 0 };

PathMap[begPos.row][begPos.row].isFind = true;

//栈 起点入栈

Stack stack;

init(&stack);

push(&stack, &begPos);

//标记没有找到终点

bool isFindEnd = false;

//当前点

Mypoint currentPos;

currentPos.row = begPos.row;

currentPos.col = begPos.col;

//预测点

Mypoint searchPos;

4、死胡同问题

回退机制

栈结构:先入后出,后入先出

1 走过就入栈

2 遇到死胡同(每个方向都试过还不能走 最后一个方向右都不能走)回退

2.1 pop 出栈一个

2.2 跳到当前栈顶元素处


例如下图,当走到8,1的时候遇到死胡同,这里只需要把栈顶元素删掉,然后跳到当前栈顶元素

4c96dfe98e90470ba62d4a031648cf60.png

5、Stack代码

.h文件

#ifndef _MY_STACK_H_

#define _MY_STACK_H_

#include"Mytypes.h"

#include<string.h>

#include<stdlib.h>

typedef struct Stack  

{

Mypoint* pArr;     //记录内存首地址

int size;          //记录当前元素个数

int capacity;      //记录当前容量

}Stack;

//初始化

void init(Stack* S);

//添加元素

void push(Stack* S, Mypoint* pos);

//删除元素

void pop(Stack* S);

//获取栈顶元素

Mypoint* getTop(Stack* S);

//判断栈是否为空

bool isEmpty(Stack* S);

#endif // !_MY_STACK_H_

.c文件

#include "MyStack.h"

#include<assert.h>

void init(Stack* S)

{

   S->size = S->capacity = 0;

   S->pArr = NULL;

}

void push(Stack* S, Mypoint* pos)

{

   if ( S->size >= S->capacity )

   {

       S->capacity += (((S->capacity >> 1) > 1) ? (S->capacity >> 1) : 1);

       Mypoint* king = malloc(sizeof(Mypoint) * (S->capacity));

       assert(king);

       if ( S->pArr )

       {

           memcpy(king, S->pArr, sizeof(Mypoint) * (S->size));

           free(S->pArr);

       }

       S->pArr = king;

   }

   S->pArr[S->size].row = pos->row;

   S->pArr[S->size].col = pos->col;

   S->size++;

}

void pop(Stack* S)

{

   S->size--;

}

Mypoint* getTop(Stack* S)

{

   return (S->pArr + (S->size - 1));

}

bool isEmpty(Stack* S)

{

   return (S->size == 0);

}

6、算法代码

.h文件

#ifndef _MY_TYPES_H_

#define _MY_TYPES_H_

#include<stdio.h>

#include<stdbool.h>

#define ROWS 10

#define COLS 10

//地图区分

enum type { road, wall };

//方向类型,上左下右

enum direct { p_up, p_left, p_down, p_right };

//定义点类型

typedef struct Mypoint

{

int row, col;

}Mypoint;

//辅助地图类

typedef struct pathMap  

{

int dir;   //记录当前方向

bool isFind;  //是否走过 false没走过 true走过

}pathMap;

#endif

.c文件

#include"Mytypes.h"

#include"MyStack.h"

#include<windows.h>

void drawMap(int map[ROWS][COLS],Mypoint* p)  

{

Sleep(300);

system("cls");

for (int i = 0; i < ROWS; i++)  

{

 for (int j = 0; j < COLS; j++)  

 {

  if (p->row == i && p->col == j)  

  {

   printf("人");

  }

  else if (wall == map[i][j])  

  {

   printf("墙");

  }

  else  

  {

   printf("  ");

  }

 }

 printf("\n");

}

}

int main()

{

//地图  1表示障碍 0表示路

int map[ROWS][COLS] = {

 { 1, 1, 1, 1, 1, 1, 1, 1, 1, 1 },

 { 1, 0, 1, 1, 0, 0, 0, 1, 1, 1 },

 { 1, 0, 1, 1, 0, 1, 0, 0, 0, 1 },

 { 1, 0, 1, 1, 0, 1, 0, 1, 0, 1 },

 { 1, 0, 1, 1, 0, 1, 0, 1, 0, 1 },

 { 1, 0, 0, 0, 0, 1, 0, 1, 0, 1 },

 { 1, 0, 1, 1, 1, 1, 0, 1, 0, 1 },

 { 1, 0, 1, 1, 1, 1, 0, 1, 0, 1 },

 { 1, 0, 1, 1, 1, 1, 0, 1, 0, 1 },

 { 1, 1, 1, 1, 1, 1, 1, 1, 1, 1 },

};

//点

Mypoint begPos = { 1,1 };

Mypoint endPos = { 8,8 };

//辅助地图,标记起点走过

pathMap PathMap[ROWS][COLS] = { 0 };

PathMap[begPos.row][begPos.row].isFind = true;

//栈 起点入栈

Stack stack;

init(&stack);

push(&stack, &begPos);

//标记没有找到终点

bool isFindEnd = false;

//当前点

Mypoint currentPos;

currentPos.row = begPos.row;

currentPos.col = begPos.col;

//预测点

Mypoint searchPos;

//寻路

while (1)

{

 //找到试探点

 searchPos.row = currentPos.row;

 searchPos.col = currentPos.col;

 //根据当前点的试探方向,确定试探点

 switch (PathMap[currentPos.row][currentPos.col].dir)

 {

  case p_up:

   searchPos.row--;

   //试探方向改变

   PathMap[currentPos.row][currentPos.col].dir = p_left;

   //判断能不能走

   if ( road == map[searchPos.row][searchPos.col] &&

    PathMap[searchPos.row][searchPos.col].isFind == false )

   {

    //走

    currentPos.row = searchPos.row;

    currentPos.col = searchPos.col;

    //记录走过

    PathMap[currentPos.row][currentPos.col].isFind = true;

    //入栈

    push(&stack, &currentPos);

   }

   break;

  case p_left:

   searchPos.col--;

   //试探方向改变

   PathMap[currentPos.row][currentPos.col].dir = p_down;

   //判断能不能走

   if (road == map[searchPos.row][searchPos.col] &&

    PathMap[searchPos.row][searchPos.col].isFind == false)

   {

    //走

    currentPos.row = searchPos.row;

    currentPos.col = searchPos.col;

    //记录走过

    PathMap[currentPos.row][currentPos.col].isFind = true;

    //入栈

    push(&stack, &currentPos);

   }

   break;

  case p_down:

   searchPos.row++;

   //试探方向改变

   PathMap[currentPos.row][currentPos.col].dir = p_right;

   //判断能不能走

   if (road == map[searchPos.row][searchPos.col] &&

    PathMap[searchPos.row][searchPos.col].isFind == false)

   {

    //走

    currentPos.row = searchPos.row;

    currentPos.col = searchPos.col;

    //记录走过

    PathMap[currentPos.row][currentPos.col].isFind = true;

    //入栈

    push(&stack, &currentPos);

   }

   break;

  case p_right:

   searchPos.col++;

   //判断能不能走

   if (road == map[searchPos.row][searchPos.col] &&

    PathMap[searchPos.row][searchPos.col].isFind == false)

   {

    //走

    currentPos.row = searchPos.row;

    currentPos.col = searchPos.col;

    //记录走过

    PathMap[currentPos.row][currentPos.col].isFind = true;

    //入栈

    push(&stack, &currentPos);

   }

   else

   {

    //出栈

    pop(&stack);

    //跳到当前栈顶元素处

    currentPos.row = getTop(&stack)->row;

    currentPos.col = getTop(&stack)->col;

   }

   break;

 }

 drawMap(map, &currentPos);

 //是否找到终点了

 if ( currentPos.col == endPos.col && currentPos.row == endPos.col )

 {

  isFindEnd = true;

  break;

 }

 //退回去了 栈空

 if (isEmpty(&stack)) break;

}

if ( isFindEnd )

{

 printf("找到终点了:\n");

 while ( !isEmpty(&stack ))

 {

  printf("(%d,%d)", getTop(&stack)->row, getTop(&stack)->col);

  pop(&stack);

 }

 printf("\n");

}

return 0;

}

版权声明:本文为CSDN博主「热爱编程的小K」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。

原文链接:https://blog.csdn.net/qq_72157449/article/details/129766874

相关文章
|
21天前
|
算法 数据处理 C语言
C语言中的位运算技巧,涵盖基本概念、应用场景、实用技巧及示例代码,并讨论了位运算的性能优势及其与其他数据结构和算法的结合
本文深入解析了C语言中的位运算技巧,涵盖基本概念、应用场景、实用技巧及示例代码,并讨论了位运算的性能优势及其与其他数据结构和算法的结合,旨在帮助读者掌握这一高效的数据处理方法。
33 1
|
2月前
|
存储 人工智能 算法
数据结构与算法细节篇之最短路径问题:Dijkstra和Floyd算法详细描述,java语言实现。
这篇文章详细介绍了Dijkstra和Floyd算法,这两种算法分别用于解决单源和多源最短路径问题,并且提供了Java语言的实现代码。
92 3
数据结构与算法细节篇之最短路径问题:Dijkstra和Floyd算法详细描述,java语言实现。
|
22天前
|
存储 算法 搜索推荐
Python 中数据结构和算法的关系
数据结构是算法的载体,算法是对数据结构的操作和运用。它们共同构成了计算机程序的核心,对于提高程序的质量和性能具有至关重要的作用
|
22天前
|
数据采集 存储 算法
Python 中的数据结构和算法优化策略
Python中的数据结构和算法如何进行优化?
|
1月前
|
算法
数据结构之路由表查找算法(深度优先搜索和宽度优先搜索)
在网络通信中,路由表用于指导数据包的传输路径。本文介绍了两种常用的路由表查找算法——深度优先算法(DFS)和宽度优先算法(BFS)。DFS使用栈实现,适合路径问题;BFS使用队列,保证找到最短路径。两者均能有效查找路由信息,但适用场景不同,需根据具体需求选择。文中还提供了这两种算法的核心代码及测试结果,验证了算法的有效性。
96 23
|
1月前
|
算法
数据结构之蜜蜂算法
蜜蜂算法是一种受蜜蜂觅食行为启发的优化算法,通过模拟蜜蜂的群体智能来解决优化问题。本文介绍了蜜蜂算法的基本原理、数据结构设计、核心代码实现及算法优缺点。算法通过迭代更新蜜蜂位置,逐步优化适应度,最终找到问题的最优解。代码实现了单链表结构,用于管理蜜蜂节点,并通过适应度计算、节点移动等操作实现算法的核心功能。蜜蜂算法具有全局寻优能力强、参数设置简单等优点,但也存在对初始化参数敏感、计算复杂度高等缺点。
59 20
|
1月前
|
机器学习/深度学习 算法 C++
数据结构之鲸鱼算法
鲸鱼算法(Whale Optimization Algorithm,WOA)是由伊朗研究员Seyedali Mirjalili于2016年提出的一种基于群体智能的全局优化算法,灵感源自鲸鱼捕食时的群体协作行为。该算法通过模拟鲸鱼的围捕猎物和喷出气泡网的行为,结合全局搜索和局部搜索策略,有效解决了复杂问题的优化需求。其应用广泛,涵盖函数优化、机器学习、图像处理等领域。鲸鱼算法以其简单直观的特点,成为初学者友好型的优化工具,但同时也存在参数敏感、可能陷入局部最优等问题。提供的C++代码示例展示了算法的基本实现和运行过程。
49 0
|
2月前
|
机器学习/深度学习 存储 缓存
数据结构与算法学习十:排序算法介绍、时间频度、时间复杂度、常用时间复杂度介绍
文章主要介绍了排序算法的分类、时间复杂度的概念和计算方法,以及常见的时间复杂度级别,并简单提及了空间复杂度。
41 1
数据结构与算法学习十:排序算法介绍、时间频度、时间复杂度、常用时间复杂度介绍
|
1月前
|
算法 vr&ar 计算机视觉
数据结构之洪水填充算法(DFS)
洪水填充算法是一种基于深度优先搜索(DFS)的图像处理技术,主要用于区域填充和图像分割。通过递归或栈的方式探索图像中的连通区域并进行颜色替换。本文介绍了算法的基本原理、数据结构设计(如链表和栈)、核心代码实现及应用实例,展示了算法在图像编辑等领域的高效性和灵活性。同时,文中也讨论了算法的优缺点,如实现简单但可能存在堆栈溢出的风险等。
41 0
|
2月前
|
存储 算法 Java
Set接口及其主要实现类(如HashSet、TreeSet)如何通过特定数据结构和算法确保元素唯一性
Java Set因其“无重复”特性在集合框架中独树一帜。本文解析了Set接口及其主要实现类(如HashSet、TreeSet)如何通过特定数据结构和算法确保元素唯一性,并提供了最佳实践建议,包括选择合适的Set实现类和正确实现自定义对象的hashCode()与equals()方法。
45 4
下一篇
DataWorks