搜索与图论-BFS

简介: 搜索与图论-BFS

文章目录

一、BFS

1. BFS 简介

2. BFS 的基本思想

3. BFS 的实现步骤

4. BFS 的实际演示

二、BFS 例题——走迷宫

具体实现

1. 样例演示

2. 实现思路

3. 代码注解

4. 实现代码

三、BFS 例题——八数码

具体实现

1. 实现思路

2. 代码注解

3. 实现代码


一、BFS

  • BFS 的关键点是状态的选取和标记。

1. BFS 简介


BFS,其英文全称是 Breadth First Search,即广度优先算法。是最简便的图的搜索算法之一,这一算法也是很多重要的图的算法的原型。

BFS 属于一种盲目搜寻法,目的是系统地展开并检查图中的所有节点,以找寻结果。换句话说,它并不考虑结果的可能位置,彻底地搜索整张图,直到找到结果为止。

BFS 搜索时是一层一层的搜索的。可以用来解决最短路问题,是一个从近到远的扩散过程。

BFS 主要应用于非加权图(或者所有边的权重相同,如若不相同的话则需采用其他的算法)中任两点的最短路径,寻找其中一个连通分支中的所有点。


2. BFS 的基本思想


从初始状态 S 开始,利用规则,生成所有可能的状态。

构成树的下一层节点,检查是否出现目标状态 G ,若未出现,就对该层所有状态节点,分别顺序利用规则,再生成下一层的所有状态节点,对这一层的所有状态节点检查是否出现 G 。

若未出现,继续按上面思想生成再下一层的所有状态节点,这样一层一层往下展开。

直到出现目标状态为止


3. BFS 的实现步骤


  • (1) 初始化队列和所求的值。
  • (2) 判断是否为空并取出队头。
  • (3) 利用队头去扩展。
  • (4) 如果符合,将该点入队。
  • 基本框架如下:
void bfs(){
  queue<int>q;
  q.push(初始位置);
  //初始化
  while(q.size()){
        int t = q.front();
        q.pop();//取出队头的点,用该点向周围扩散。
    if(check(j)){       //如果该点可行就将它加入队列中
        q.psuh(j);    
        //实施相应的操作 
        }
  } 
}



4. BFS 的实际演示


  • BFS 在面临一个路口时,会把所有的岔路口都记下来,然后选择一个进入其中,把它的分离情况记录下来,然后再返回来进入另外一个岔路,并重复进行这样的操作。如下图所示:
  • (1) 从黑色起点出发,记录所有的岔路口,并标记为走一步可以到达的。

493154af3b3e45008e35d693622440b0.png

2) 在此,我们选择黑色起点上方的路径,然后将这个路口可走的方向记录下来并标记为 2 ,意味着走两步可以到达的地方。

c6715cb08c7b470fbee60bb8aaac607f.png

(3) 随后,我们回到黑色起点右手边路径为 1 的方块上,并将其能走得方向也记录下来,同样标记为 2 ,因为也是走两步就可以到达的地方。


093a96cf367a401c85a85591cf22c953.png

(4) 此时,距离黑色起点路径为 1 和路径为 2 的方块就已经全都找到了。下面同理,我们可以迅速将路径为 3 的方块找到。

94447ebff52f46eb951d8c3e7437d5a4.png

5) 后续,距离黑色起点路径为 4 和路径为 5 的方块也是同理。

ec597feb51184ed3a4ceb609af9c7af1.png


(6) 通过如上步骤,我们便成功寻找到了路径,并且把所有可行的路径都求出来,

二、BFS 例题——走迷宫



题目描述


给定一个 n×m 的二维整数数组,用来表示一个迷宫,数组中只包含 0 或 1,其中 0 表示可以走的路,1 表示不可通过的墙壁。

最初,有一个人位于左上角 (1,1) 处,已知该人每次可以向上、下、左、右任意一个方向移动一个位置。

请问,该人从左上角移动至右下角 (n,m) 处,至少需要移动多少次。

数据保证 (1,1) 处和 (n,m) 处的数字为 0,且一定至少存在一条通路。


输入格式


第一行包含两个整数 n 和 m。

接下来 n 行,每行包含 m 个整数(0 或 1),表示完整的二维数组迷宫。


输出格式


输出一个整数,表示从左上角移动至右下角的最少移动次数。


数据范围


1 ≤ n,m ≤ 100


输入样例


5 5

0 1 0 0 0

0 1 0 1 0

0 0 0 0 0

0 1 1 1 0

0 0 0 1 0


输出样例


8


具体实现

1. 样例演示

  • 具体演示如下图所示。


9630832c4548476b9367d34a11d7f01b.png


2. 实现思路

  • 详细如样例演示所示。



3. 代码注解


g[N][N];存储地图,d[N][N];存储起点到其他各个点的距离。

queue q;用来存储每一步走到的点。

while(!q.empty());循环依次取出同一步数能走到的点,再往前走一步。

int dx[4] = {0, 1, 0, -1},;dy[4] = {-1, 0, 1, 0};一个点往下一步走得时候,可以往上下左右四方向走。


4. 实现代码

#include <bits/stdc++.h>
using namespace std;
typedef pair<int, int> PII;
const int N = 110;
int n, m;
int g[N][N], d[N][N];
int bfs()
{
    queue<PII> q;
    memset(d, -1, sizeof d);
    d[0][0] = 0;
    q.push({0, 0});
    int dx[4] = {-1, 0, 1, 0};
    int dy[4] = {0, 1, 0, -1};
    while (q.size())
    {
        auto t = q.front();
        q.pop();
        for (int i = 0; i < 4; i ++ )
        {
            int x = t.first + dx[i];
            int y = t.second + dy[i];
            if (x >= 0 && x < n && y >= 0 && y < m && g[x][y] == 0 && d[x][y] == -1)
            {
                d[x][y] = d[t.first][t.second] + 1;
                q.push({x, y});
            }
        }
    }
    return d[n - 1][m - 1];
}
int main()
{
    cin >> n >> m;
    for (int i = 0; i < n; i ++ )
    {
        for (int j = 0; j < m; j ++ )
        {
            cin >> g[i][j];
        }
    }
    cout << bfs() << endl;
    system("pause");
    return 0;
}



三、BFS 例题——八数码

题目描述

在一个 3×3 的网格中,1∼8 这 8 个数字和一个 x 恰好不重不漏地分布在这 3×3 的网格中。

例如:

1 2 3

x 4 6

7 5 8


在游戏过程中,可以把 x 与其上、下、左、右四个方向之一的数字交换(如果存在)。

我们的目的是通过交换,使得网格变为如下排列(称为正确排列):

1 2 3

4 5 6

7 8 x


例如,示例中图形就可以通过让 x 先后与右、下、右三个方向的数字交换成功得到正确排列。

交换过程如下:


1 2 3

x 4 6

7 5 8


1 2 3

4 x 6

7 5 8


1 2 3

4 5 6

7 x 8


1 2 3

4 5 6

7 8 x


现在,给你一个初始网格,请你求出得到正确排列至少需要进行多少次交换。

输入格式


输入占一行,将 3×3 的初始网格描绘出来。

例如,如果初始网格如下所示:

1 2 3

x 4 6

7 5 8

则输入为:1 2 3 x 4 6 7 5 8


输出格式

输出占一行,包含一个整数,表示最少交换次数。

如果不存在解决方案,则输出 −1。

输入样例

2 3 4 1 5 x 7 6 8

输出样例

19



具体实现

1. 实现思路


  • 暴力穷举。穷举出所有给定序列通过交换能得到的新序列,在穷举过程中保存交换次数。
  • 在穷举过程中,如果出现了结果序列,就输出交换次数。否则不能得到结果序列,输出 -1

893c1d1aeebd47789f0f1d9487e4433f.png

  • 在此中间,我们可以使用字符串来表示表格中的状态,将 3x3 的数组表示成一行。
  • 用一个队列保存当前获得的序列。
  • 用一个哈希表保存各个序列与对应交换次数。


2. 代码注解

int x = k / 3, y = k % 3;将一位数组的下标转换为二维数组。

swap(t[a * 3 + b], t[k]);交换两次的原因是:for 循环是遍历 t 的上下左右四个点,swap 一下意味着 x y 和 a b 两个点换了位置,t 现在是 a b 。判断完 a b 之后还要从 x y 出发去遍历其他三个点,所以要还原一下。

!d.count(t);是来判断这个点是否为有效点。因为要找到最短距离,要是不为零的话意味着用之前的换法已经换到这个状态过了,用现在这个状态接着换还不如接着以前的状态换,以前的步数还少一些,而且这样才能把所有可能换到的状态全部枚举一遍。


3. 实现代码

#include <bits/stdc++.h>
using namespace std;
int bfs(string state)
{
    queue<string> q;
    unordered_map<string, int> d;
    q.push(state);
    d[state] = 0;
    int dx[4] = {-1, 0, 1, 0};
    int dy[4] = {0, 1, 0, -1};
    string end = "12345678x";
    while (q.size())
    {
        auto t = q.front();
        q.pop();
        if (t == end) 
        {
            return d[t];
        }
        int distance = d[t];
        int k = t.find('x');
        int x = k / 3, y = k % 3;
        for (int i = 0; i < 4; i ++ )
        {
            int a = x + dx[i];
            int b = y + dy[i];
            if (a >= 0 && a < 3 && b >= 0 && b < 3)
            {
                swap(t[a * 3 + b], t[k]);
                if (!d.count(t))
                {
                    d[t] = distance + 1;
                    q.push(t);
                }
                swap(t[a * 3 + b], t[k]);
            }
        }
    }
    return -1;
}
int main()
{
    char s[2];
    string state;
    for (int i = 0; i < 9; i ++ )
    {
        cin >> s;
        state += *s;
    }
    cout << bfs(state) << endl;
    return 0;
}
























相关文章
【C++】递归,搜索与回溯算法入门介绍和专题一讲解
【C++】递归,搜索与回溯算法入门介绍和专题一讲解
|
3月前
|
算法
【算法】递归、搜索与回溯——汉诺塔
【算法】递归、搜索与回溯——汉诺塔
|
5月前
|
存储 算法 Java
广度优先搜索(Breadth-First Search,BFS)是一种用于图的遍历或搜索的算法。
广度优先搜索(Breadth-First Search,BFS)是一种用于图的遍历或搜索的算法。
|
算法 UED
【算法入门&搜索法】走迷宫|单源最短路径1
【算法入门&搜索法】走迷宫|单源最短路径1
191 0
|
算法 Python
基于python实现深度优先遍历搜索(DFS)
基于python实现深度优先遍历搜索(DFS)
456 0
基于python实现深度优先遍历搜索(DFS)
|
机器学习/深度学习 算法 C++
搜索与图论- Dijkstra 算法
搜索与图论- Dijkstra 算法
|
存储 算法
搜索与图论 - spfa 算法
搜索与图论 - spfa 算法
|
机器学习/深度学习 存储 算法
搜索与图论 - floyd 算法
搜索与图论 - floyd 算法
|
机器学习/深度学习 数据采集 算法
搜索与图论-DFS
搜索与图论-DFS
|
存储 索引
搜索与图论-树与图的广度优先遍历
搜索与图论-树与图的广度优先遍历