算法之广度优先搜索

简介: 算法之广度优先搜索

一、引言


> 上一次介绍的算法是深度优先搜索,如果忘记了什么是深度优先搜索,请看上篇:算法之深度优先搜索


> 这次我们来研究一下广度优先搜索,看看怎么理解以及写出这个算法


> 这个算法需要数据结构的基础--队列,如果没有这个基础的同学去恶补一下。


二、小小问题


Q:在一个二维地图中,从一个点到另一个点的最短路径(从1到0,输入终点位置,输出最少步数)


1 - - - -
- - - - -
- - - - -
- - - 0 -


第一种:采用深度优先搜索呗。


第二种:用广度优先搜索。当然,你会说,我要是会广搜,我就不会看这篇文章了。


2.1 深度优先搜索


看到深度优先搜索,第一反应就是模板套出来


public static  void dfs(int step){
  if(...){
        return;
    }
    for(...){
      ...
       dfs(step+1);
       ...
    }
}


DFS主要在于当前这步怎么做,然后继续往下,当然前提我们需要判断它这一步有没有走到终点,也就是另一个点的位置。核心的dfs方法之前一直都只是传递一个step(当前步数),现在我们需要判断这一步有没有走到终点,则需要把当前的x和y一并传递到下一个方法里面去,则dfs的方法声明如下:


public static void dfs(int x, int y , int step){
   ...
}


现在,dfs里面的判断是什么呢?因为dfs是基于递归,所以必定有出口,所以出口是什么呢?出口就是终点位置的x和y。当然在满足这个的情况下,我们要继续判断当前到终点的最少步数是不是比最少的步数还要小,如果还要小则更新最少的步数。


// endx是终点的x endy是终点的y
public static  void dfs(int x, int y , int step){
 if(endx==x && endy==y){ // 判断是否到了终点
      if(step < min_step){ // 判断是否为最小步数
          min_step =  step
        }
        return; // 返回
   }
   for(...){
     .....
       dfs(....);
       ......
   }
}


现在最重要的问题来了,for循环里面的内容如何填写呢? 因为当前的点,可以上下左右行走,则对于走向应该有四个方向,上下左右。那我们定义一个二维数组来搞定方向问题。


因为向左y-1,向右y+1,向上x-1,向下x+1


int[][] direction = {{0, -1}, {-1, 0},{0, 1}, {1, 0}};
//左,上,右,下


所以for循环里面,只需要基于当前的点(x,y)上下左右遍历即可。所以for循环里面只需要遍历方向即可。


当然也需要标记当前点是否访问,所以在之后,判断下一步的点是否访问过,没有访问,则标记访问,然后继续递归。。


for(int i = 0 ; i<4;i++){
 // 计算下一个点的坐标
 next_x = x + direction[i][0];
   next_y = y + direction[i][1];
   // 需要判断下一个点是否越界,有可能超出了边界
   // n是数组的行,m是数组的列
    if (next_x < 0 || next_x >= n || next_y < 0 || next_y >= m) {
               continue;
   }
     if (result[next_x][next_y] == 0) {// 判断当前点是否访问
           result[next_x][next_y] = 1; // 标记当前点访问
           dfs(next_x, next_y, step + 1);  // 另一个点继续递归
           result[next_x][next_y] = 0;    // 标记当前点未访问,基于上一步的递归结束
    }
}


dfs方法的全部代码如下:


// endx是终点的x endy是终点的y
public static void dfs(int x, int y , int step){
 if(endx==x && endy==y){ // 判断是否到了终点
      if(step < min_step){ // 判断是否为最小步数
          min_step =  step
        }
        return; // 返回
   }
  for(int i = 0 ; i<4;i++){
 // 计算下一个点的坐标
 next_x = x + direction[i][0];
   next_y = y + direction[i][1];
   // 需要判断下一个点是否越界,有可能超出了边界
   // n是数组的行,m是数组的列
    if (next_x < 0 || next_x >= n || next_y < 0 || next_y >= m) {
               continue;
    }
   // result是二维数组用于标记点是否访问,是全局类型
     if (result[next_x][next_y] == 0) {// 判断当前点是否访问
           result[next_x][next_y] = 1; // 标记当前点访问
           dfs(next_x, next_y, step + 1);  // 另一个点继续递归
           result[next_x][next_y] = 0;    // 标记当前点未访问,基于上一步的递归结束
    }
  }
}


基本上到这里,采用DFS解决这个问题已经完成了,还有一些输入输出,我这里就省略了,其余的就靠大家自己补充了。


2.2 广度优先搜索


Q:深度优先搜索是从某一个点出发,然后遍历方向。选定一个方向,然后再遍历方向....依次类推,直到遇到终点或者遍历完毕。那我们能不能一次性的将周围的点给遍历,然后再遍历周围的点后再得相邻的点遍历呢?重复上面的步骤,这样当遍历周围的点时,我知道是遍历第几层,也就是第几步,直到遇到终点,最少的步数得出。


比如:


  • (0,0)相邻的点是(0,1)和(1,0); 从(0,0)分别到这两个点的步数是1,


  • (0,1)相邻的点是(1,1)和(0,2),(0,0); 从(0,1)分别到这两个点的步数是2.(0,0)已经访问,此时没有必要访问,所以需要在前一步需要标记已经访问,


  • (1,0)相邻的点是(2,1)和(1,1),(0,0); 从(0,1)分别到这两个点的步数是2,(0,0)已经访问,此时没有必要访问,所以需要在前一步需要标记已经访问,


  • (1,1)相邻的点是(2,1)和(1,2),(0,1),(1,0); 从(0,1)分别到这两个点的步数是3;(0,1)已经访问,此时没有必要访问,所以需要在前一步需要标记已经访问,(1,0)已经访问,此时没有必要访问,所以需要在前一步需要标记已经访问,



- - - -

A B C D

E F G H

I J K L

- - - -

按照上面的规律,BFS这个二维数据输出,方向从右往左,(有些因为已经遍历便没有写出来)

基于A: ABE

基于B:  CF

基于E:  I

基于C:  DG

基于F:  J

基于I:  H

基于D: K

基于J:  K(已经遍历)

基于H: L


很明显,学过数据结构的可以看出来这是一个先进先出的队列结构; 所以我们的BFS是基于队列实现的。然后对于这个小问题,我们如何解决呢?


遍历每个点的时候,存储当前节点的步数以及当前点的信息(x,y)即可,然后将这个整体信息进队列,然后获取头结点的相邻数据让其进队列,如果它的相邻数据已经进队列完毕,则让头结点出队列,接着再获取头结点信息,获取头结点的相邻数据让其进队列..步骤雷同不再累述。


这里使用的LinkedList,实现了队列的基本操作。具体操作请参考Java API。

节点有几个重要属性,当前坐标x,y和当前节点是第几步可以到达,则类结构如下:


static class Node{
 int x ;
   int y ;
   Node parent;
   ...省略getter/setter方法
}


//  设置队列
Queue<Node> que = new LinkedList<Node>();
//起点进队列
Node node = new Node();
node.x = startx;
node.y = starty;
node.step = 0;
node.parent = null;
que.add(node);// 起始点进队列
// 将起点的周围的点进队列
for (int i = 0; i < 4; i++) {
   int tx = heads.x + direction[i][0];
   int ty = heads.y + direction[i][1];
   // 判断是否越界
   if (tx < 0 || tx >= n || ty < 0 || ty >= m) {
       continue;
   }
   // 判断该点是否为障碍物并且有没有被访问
   if (map[tx][ty] == 0 && result[tx][ty] == 0) {
       Node next = new Node();
       result[tx][ty] = 1;
       next.x = tx;
       next.y = ty;
       next.parent = heads;
       next.step = heads.step + 1;
       que.add(next);// 进队列
   }
   // 如果当前点为最终节点
   if (tx == endx && ty == endy) {
       break; // 退出for循环
   }
}


上面只是满足了最简单的起点周围的点进队列,如果周围的点也要参照这个逻辑进行循环遍历得到相邻的点,则加一个出队列的操作循环判断队列是否还有节点即可。修改代码如下:

// 以当前点广搜
Node heads; // 头节点
Node resultNode = null;// 终点
while ((heads = que.poll()) != null) {// 判断队列是否还有元素,也就是出队列操作
   for (int i = 0; i < 4; i++) {
       int tx = heads.x + direction[i][0];
       int ty = heads.y + direction[i][1];
       // 判断是否越界
       if (tx < 0 || tx >= n || ty < 0 || ty >= m) {
           continue;
       }
       // 判断该点是否为障碍物并且有没有被访问
       if (result[tx][ty] == 0) {
           Node next = new Node();
           result[tx][ty] = 1;
           next.x = tx;
           next.y = ty;
           next.parent = heads;
           next.step = heads.step + 1;
           resultNode = next;
           que.add(next);
       }
       // 如果当前点为最终节点
       if (tx == endx && ty == endy) {
           flag = 1; // 标志找到
           break; // 退出for循环
       }
   }
   if (flag == 1) // 如果找到 退出while循环
       break;
}


三、概念


Q:什么是广度优先算法呢?


 广度优先算法简称BFS。它主要是”一层层的“的搜索来进行扩展获取每个点的数据,直到找到某个确定的点。Java已经实现了这种数据结构--Queue,对于我们的话,直接使用即可。


四、总结


  • BFS数据结构是队列
  • BFS适用于树的高度不深,子节点的数量不多。否则耗内存存储节点数据。也就是队列数据的存储。
  • DFS寻找有解,很难寻找最优解;但是没有BFS的缺点,耗内存。


五、小试牛刀


1. 海岛淹没,有多少个没有淹没的小岛?(上下左右四个相邻像素中只要有一个方向有海洋,它就会被淹没)

.......

.##....

.##....

....##.

..####.

...###.

.......


六、示例代码

目录
相关文章
|
算法 Python
Python算法——广度优先搜索
Python算法——广度优先搜索
221 0
|
2月前
|
机器学习/深度学习 存储 算法
数据结构与算法——BFS(广度优先搜索)
数据结构与算法——BFS(广度优先搜索)
|
6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。
|
6月前
|
数据采集 算法 Java
Java数据结构与算法:图算法之广度优先搜索(BFS)
Java数据结构与算法:图算法之广度优先搜索(BFS)
|
6月前
|
算法 计算机视觉
图像处理之基于图的广度优先搜索组件标记算法
图像处理之基于图的广度优先搜索组件标记算法
38 0
|
7月前
|
算法 测试技术 C#
【广度优先搜索】【堆】【C++算法】407. 接雨水 II
【广度优先搜索】【堆】【C++算法】407. 接雨水 II
|
算法
第 7 天_广度优先搜索 / 深度优先搜索【算法入门】
第 7 天_广度优先搜索 / 深度优先搜索【算法入门】
126 0
|
7月前
|
算法 测试技术 C++
【广度优先搜索】【拓扑排序】【C++算法】913. 猫和老鼠
【广度优先搜索】【拓扑排序】【C++算法】913. 猫和老鼠
|
7月前
|
存储 算法 搜索推荐
算法06-搜索算法-广度优先搜索
算法06-搜索算法-广度优先搜索
|
7月前
|
算法 Python
Python 数据结构和算法:解释深度优先搜索(DFS)和广度优先搜索(BFS)。
Python 数据结构和算法:解释深度优先搜索(DFS)和广度优先搜索(BFS)。
187 0