【Python数据结构与算法】--- 递归算法的应用 ---[乌龟走迷宫] |人工智能|探索扫地机器人工作原理

简介: 【Python数据结构与算法】--- 递归算法的应用 ---[乌龟走迷宫] |人工智能|探索扫地机器人工作原理




导言

乌龟探索迷宫这个问题与机器人领域也有关系,

如果我们有一个Roomba扫地机器人,我们或许可以利用乌龟探索迷宫这个问题的解决方法对扫地机器人进行重新编程.

解决过程

首先,要建立数据结构

1.建立数据结构

我们将整个迷宫的空间(矩形)分为行列整齐的方格,区分出墙壁和通道给每个方格具有行列位置,并赋予“墙壁”,"通道”的属性

考虑用矩阵方式来实现迷宫数据结构采用“数据项为字符列表列表”这种两级列表的方式保存方格内容

采用不同字符来分别代表“通道为空格  " ,“墙壁我为+”,“海龟投放点S"从一个文本文件逐行读入迷宫数据

2.探索迷宫:

算法思路

龟龟探索迷宫的递归算法思路如下

将海龟从原位置向北移动一步,以新位置递归调用探索迷宫寻找出口;

如果上面的步骤找不到出口,那么将海龟从原位置向南移动一步,以新位置递归调用探索迷宫:

如果向南还找不到出口,那么将海龟从原位置向西移动一步,以新位置递归调用探索迷宫;

如果向西还找不到出口,那么将海龟从原位置向东移动一步,以新位置递归调用探索迷宫;

如果上面四个方向都找不到出口,那么这个迷宫没有出口!


递归调用的“基本结束条件

归纳如下 :

海龟碰到“墙壁”方格,递归调用结束,返回失败.

海龟碰到“面包屑”方格,表示此方格已访问过递归调用结束,返回失败.

海龟碰到“出口”方格,即“位于边缘的通道”方格,递归调用结束,返回成功!

海龟在四个方向上探索都失败,递归调用结束返回失败


3.乌龟走迷宫的实现代码:

import turtle
#迷宫搜索程序全局常量
START = "S" #--->起始位置
OBSTACLE = "+"  #--->墙
TRIED = "." # 走过的路
DEAD_END = "-" # 死路
PART_OF_PATH = "0" # 走出迷宫的出口
#Maze类构造方法
class Maze:
    def __init__(self,maze_filename):
        with open(maze_filename,"r") as maze_file:
            self.maze_list = [
                [ch for ch in line.strip("\n")]
                for line in maze_file.readlines()
            ]
        self.rows_in_maze = len(self.maze_list)
        self.columns_in_maze = len(self.maze_list[0])
        for row_idx, row in enumerate(self.maze_list):
            if START in row:
                self.start_row = row_idx
                self.start_col = row.index(START)
                break
        self.x_translate = -self.columns_in_maze / 2
        self.y_translate = self.rows_in_maze / 2
        self.t = turtle.Turtle()
        self.t.shape("turtle")
        self.wn = turtle.Screen()
        self.wn.setworldcoordinates(
            -(self.columns_in_maze - 1) / 2 - 0.5,
            -(self.rows_in_maze - 1) / 2 - 0.5,
            (self.columns_in_maze - 1) / 2 + 0.5,
            (self.rows_in_maze - 1) / 2 + 0.5,
        )
    #Maze 类绘制方法
    def draw_maze(self):
        self.t.speed(10)
        self.wn.tracer(0)
        for y in range (self.rows_in_maze):
            for x in range (self.columns_in_maze):
                if self.maze_list[y][x] == OBSTACLE:
                    self.draw_centered_box(
                        x + self.x_translate,
                        -y + self.y_translate,
                        "orange",
                    )
        self.t.color("black")
        self.t.fillcolor("blue")
        self.wn.update()
        self.wn.tracer(1)
    def draw_centered_box(self, x, y, color):
        self.t.up()
        self.t.goto(x - 0.5, y - 0.5)
        self.t.color(color)
        self.t.fillcolor(color)
        self.t.setheading(90)
        self.t.down()
        self.t.begin_fill()
        for i in range(4):
            self.t.forward(1)
            self.t.right(90)
        self.t.end_fill()
    #Maze 类移动方法
    def update_position(self,row,col,val=None):
        """标记路径并更新迷宫图景"""
        if val:
            self.maze_list[row][col] = val
        self.move_turtle(col, row)
        if val == PART_OF_PATH:
            color = "green"
        elif val == OBSTACLE:
            color = "red"
        elif val == TRIED:#已走
            color = "black"
        elif val == DEAD_END:
            color = "red"
        else:
            color = None
        if color:
            self.drop_bread_crumb(color)#留下标记物
    def move_turtle(self, x, y):
        self.t.up()
        self.t.setheading(
            self.t.towards(
                x + self.x_translate,
                -y + self.y_translate,
            )
        )
        self.t.goto(
            x + self.x_translate, -y + self.y_translate
        )
    def drop_bread_crumb(self,color):
        self.t.dot(10,color)
    def is_exit(self, row, col):
        """如果乌龟处于迷宫边缘,表示到达出口"""
        return (
            row in [0,self.rows_in_maze - 1]
            or col in [0,self.columns_in_maze - 1]
        )
    def __getitem__(self, idx):
        return self.maze_list[idx]
def search_from(maze, row, column):
    """对当前位置的四个方向逐一尝试
        直至找到出口"""
    maze.update_position(row, column)
    #检查基本情况:
    #1. 遇到了障碍
    if maze[row][column] == OBSTACLE:
        return False
    #2. 遇到已经访问过的位置
    if maze[row][column] in [TRIED, DEAD_END]:
        return False
    #3. 找到了出口
    if maze.is_exit(row,column):
        maze.update_position(row, column, PART_OF_PATH)
        return True
    maze.update_position(row, column, TRIED)
    #使用逻辑 or 对各个方向进行
    #逐一尝试
    found = (#利用段路经,逐语句读取  北,南,西,东
        search_from(maze, row - 1, column)
        or search_from(maze, row + 1, column)
        or search_from(maze, row, column-1)
        or search_from(maze, row, column+1)
    )
    if found:
        maze.update_position(row, column , PART_OF_PATH)
    else:
        maze.update_position(row, column , DEAD_END)
    return found
my_maze = Maze('maze2.txt')
my_maze.draw_maze()
my_maze.update_position(my_maze.start_row, my_maze.start_col)
search_from(my_maze, my_maze.start_row, my_maze.start_col)

运行过程:


拓展:

在死胡同里乌龟的是如何走的呢?


📝全文总结:

这篇文章主要讲解的是,如何用递归算法解决乌龟🐢走迷宫问题,这个问题类似于我们的扫地机器人,但是这个算法存在这一写缺点,比如说 时间方面和距离方面.如果我们要利用这个算法来写机器人我们可以从记录的路径信息,对机器人进行重新编程,以便它可以在较少的时间内清理地面,并优化其行进路线。

目录
相关文章
|
7月前
|
算法 搜索推荐 JavaScript
基于python智能推荐算法的全屋定制系统
本研究聚焦基于智能推荐算法的全屋定制平台网站设计,旨在解决消费者在个性化定制中面临的选择难题。通过整合Django、Vue、Python与MySQL等技术,构建集家装设计、材料推荐、家具搭配于一体的一站式智能服务平台,提升用户体验与行业数字化水平。
|
8月前
|
存储 算法 调度
【复现】【遗传算法】考虑储能和可再生能源消纳责任制的售电公司购售电策略(Python代码实现)
【复现】【遗传算法】考虑储能和可再生能源消纳责任制的售电公司购售电策略(Python代码实现)
392 26
|
7月前
|
存储 监控 算法
监控电脑屏幕的帧数据检索 Python 语言算法
针对监控电脑屏幕场景,本文提出基于哈希表的帧数据高效检索方案。利用时间戳作键,实现O(1)级查询与去重,结合链式地址法支持多条件检索,并通过Python实现插入、查询、删除操作。测试表明,相较传统列表,检索速度提升80%以上,存储减少15%,具备高实时性与可扩展性,适用于大规模屏幕监控系统。
216 5
|
8月前
|
机器学习/深度学习 编解码 算法
【机器人路径规划】基于迪杰斯特拉算法(Dijkstra)的机器人路径规划(Python代码实现)
【机器人路径规划】基于迪杰斯特拉算法(Dijkstra)的机器人路径规划(Python代码实现)
626 4
|
8月前
|
机器学习/深度学习 存储 算法
【水下机器人建模】基于QLearning自适应强化学习PID控制器在AUV中的应用研究(Matlab代码实现)
【水下机器人建模】基于QLearning自适应强化学习PID控制器在AUV中的应用研究(Matlab代码实现)
483 0
|
8月前
|
机器学习/深度学习 算法 机器人
【机器人路径规划】基于D*算法的机器人路径规划(Python代码实现)
【机器人路径规划】基于D*算法的机器人路径规划(Python代码实现)
365 0
|
8月前
|
机器学习/深度学习 算法 机器人
【机器人路径规划】基于改进型A*算法的机器人路径规划(Python代码实现)
【机器人路径规划】基于改进型A*算法的机器人路径规划(Python代码实现)
552 0
|
机器学习/深度学习 存储 人工智能
AI职场突围战:夸克应用+生成式人工智能认证,驱动“打工人”核心竞争力!
在AI浪潮推动下,生成式人工智能(GAI)成为职场必备工具。文中对比了夸克、豆包、DeepSeek和元宝四大AI应用,夸克以“超级入口”定位脱颖而出。同时,GAI认证为职场人士提供系统学习平台,与夸克结合助力职业发展。文章还探讨了职场人士如何通过加强学习、关注技术趋势及培养合规意识,在AI时代把握机遇。
|
机器学习/深度学习 人工智能 自然语言处理
人工智能应用领域有哪些
本文全面探讨了人工智能(AI)的应用领域和技术核心,涵盖医疗、交通、金融、教育、制造、零售等多个行业,并分析了AI技术的局限性及规避策略。同时,介绍了生成式人工智能认证项目的意义与展望。尽管AI发展面临数据依赖和算法可解释性等问题,但通过优化策略和经验验证,可推动其健康发展。未来,AI将在更多领域发挥重要作用,助力社会进步。
|
机器学习/深度学习 人工智能 运维
人工智能在事件管理中的应用
人工智能在事件管理中的应用
407 21

热门文章

最新文章

推荐镜像

更多