第十一章 运用广度优先搜索走迷宫

简介: 广度优先搜索类似于树的层次遍历。从图中的某一顶点出发,遍历每一个顶点时,依次遍历其所有的邻接点,然后再从这些邻接点出发,同样依次访问它们的邻接点。按照此过程,直到图中所有被访问过的顶点的邻接点都被访问到。

先普及一下, 什么是广度优先搜索


广度优先搜索类似于树的层次遍历。从图中的某一顶点出发,遍历每一个顶点时,依次遍历其所有的邻接点,然后再从这些邻接点出发,同样依次访问它们的邻接点。按照此过程,直到图中所有被访问过的顶点的邻接点都被访问到。


最后还需要做的操作就是查看图中是否存在尚未被访问的顶点,若有,则以该顶点为起始点,重复上述遍历的过程。


广度优先遍历图的方式,是以一种类似波纹扩散的方式进行的,不断放大辐射半径,进而覆盖整张图。


一. 理解广度优先算法


我们要实现的是广度优先算法走迷宫


比如,我们有一个下面这样的迷宫

微信图片_20220510173601.png这个迷宫是6行5列


其中0代表可以走的路, 1代表一堵墙. 我们把墙标上言责, 就如右图所示. 其中(0,0)是起点,  (6, 5)是终点.


我们要做的是, 从起点走到终点最近的路径.


这个例子是抛转隐喻, 介绍广度优先算法, 广度优先算法的应用很广泛, 所以, 先来看看规律


1. 分析如何进行广度优先探索


第一步, 我们先明确起点.  这个起点有上下左右四个方向可以探索. 我们按照顺时针顺序探索, 上   左   下    右


微信图片_20220510173619.png


 第二步: 起始位置向外探索, 有4个方向.


微信图片_20220510173638.png


如上图红色标出的位置. 也就是起始位置可以向外探索的路径有4个. 上 左  下  右

我们再来继续探索.


第三步: 再次明确探索方向是  上  左  下  右  


第四步: 探索上方的红1,  上方的红1可以向外探索的路径有3个


微信图片_20220510173658.png


第五步:  探索左侧红1, 左侧红1 有两条路径向外探索,


为什么是两个呢? 本来是有3个, 但上面的路径已经被上面的红1探索过了, 所以, 不重复探索的原则, 左侧红1 向外扩展的路径有2条


微信图片_20220510173712.png


第六步: 下面的红1 向外探索的路径有2条


image.png


第七步: 右侧的红1向外探索的路径, 如上图可见, 只剩下1条了


微信图片_20220510173744.png


第二轮探索, 得到的探索结果是:


微信图片_20220510173806.png


经过第二轮探索, 一共探索出了8条路径, 也就是8个黑2


接下来进行第三轮探索. 顺序依然是顺时针方向,


1. 第一个2向外探索的路径有3条


微信图片_20220510173825.png


2. 第二个黑2向外探索的路径只有1条


微信图片_20220510173844.png


3. 第三个黑2向外探索的路径有2条


微信图片_20220510173901.png


4. 第四个黑2向外探索的路径有1条


微信图片_20220510173916.png


5. 第五个黑2 向外探索的路径有两条


微信图片_20220510173931.png


 6. 第六个黑2向外探索的路径有1条


微信图片_20220510173952.png


7. 第七个黑2向外探索的路径有两条


微信图片_20220510174009.png


8. 第8个黑2向外探索的路径为0条. 已经没有路径. 所以不再向外探索


通过第三轮向外探索, 我们探索出来了12条路径.


这是有的节点可以向外探索3条路径,有的可以向外探索2条路径, 有的向外探索1条路径, 有的没有路径可以向外探索了.

 

总结:


通过上面的例子, 我们可以看到每个节点的3中状态. 我们来分析一下, 有哪三种状态.

刚开始, 只有一个其实位置0. 这个0是已知的, 还没有开始向外探索. 外面还有好多等待探索的节点.  所以,此时的0, 是已经发现还未探索的节点


当0开始向外探索, 探索到4个1, 这时候0就变成了已经发现且已经探索的节点. 二1变成了一经发现还未探索的节点. 其实此时外面还有3, 4, 5 这些还未被发现未被探索的节点.


我们通过分析, 广度优先算法还有一个特点, 那就是循环遍历, 第一轮的红1都探索完了, 在进行黑2的探索, 不会说红1探索出来一个, 还没有全部完成,就继续向外探索.


总结规律如下:


1. 节点有三种状态


  a. 已经发现还未探索的节点


  b. 已经发现并且已经探索的节点


  c. 还未发现且未探索的节点


2. 阶段探索的顺序


  按照每一轮全部探索完,在探索下一轮, 这样就形成了一个队列, 我们把已经发现还未探索的节点放到队列里

 

接下来我们开始探索了.


首先, 我们知道迷宫的起始位置, (0,0)点. 当前我们站在起始位置(0,0), 那么这个起点就是已经发现还未探索的节点.


我们定义一个队列来存放已经发现但还未探索的节点


微信图片_20220510174027.png


第二步: 从队列中取出节点(0,0), 开始下一步探索.我们看看迷宫最终的样子


微信图片_20220510174044.png


我们看到(0,0)只能向下走, 他的右边是一堵墙, 走不了. 上面,左面也不能走. 所以, 探索出来的路径只有一个(1,0), 吧(1,0)放入到队列中


第三步: 我们在从队列中把(1,0)取出来进行探索, 这时队列就空了.


对照迷宫, (1,0)可以向下走, 可以向右走. 不能向上和向左. 因此, (1,0)探索出来两条路, (2,0) 和(1,1), 把这两个点放入到队列中


微信图片_20220510174059.png第四步: 接下来我们来探索(2,0)这个点, 对照迷宫, 我没发现(2,0)这个点下和右都是墙, 左不能走, 上就走回去了也不可以. 所以, (2,0)是个死路, 探索出来的路径是0


第五步: 继续探索(1,1), 对照迷宫, (1,1)只能向右探索到(1,2) , 因此我们把(1,2)放入队列中


微信图片_20220510174124.png


第六步:对(1,2)继续探索, 发现有两条路径可以走(2,2)和(0,2), 然后, 将这两个点放到队列中


微信图片_20220510174139.png


第七步: 接下来继续这样探索下去, 一直走一直走, 走到最后就是这样的


微信图片_20220510174154.png那我们要怎么来判断路径呢? 倒过来走, 从13开始, 上一个数12, 只有一个, 12上面只有一个数是11, 只有一个, 一次类推, 一直找到1, 找到0.

 

第八步: 广度优先算法, 什么时候结束呢? 两种情况


  第一种: 走到最后13的位置


  第二种: 死路, 走到一个位置, 不能再走了. 如何判断呢?队列中没有可探索的点了, 探索结束


我们来总结一下:


1. 从(0,0)点开始, 将已经发现还未探索的点, 放入到队列中.


2. 从队列中取出已经发现还未探索的节点, 进行探索, 探索的方式是, 像四周探索, 然后把新发现还未探索的节点从队列中取出来.


3. 如何判断呢? 如果当前是一堵墙, 也就是他的value=0, 那么探索失败. 向左探索的时候, 如果左边是(0,*)探索失败. 向上探索的时候, 如果上面是(*,0)探索失败; 像右面探索的时候, 碰到边(*,4)探索失败. 向下探索, 碰到(5,*)探索失败. 也就是, 横向坐标的范围是


0<=x<=4, 纵坐标是 0<=y<=5


4. 已经探索过的节点不要重复探索

 

代码分析:


1. 队列可以用一个数组来实现. 先进先出


2. 点用二维数据来表示. 但是go中的二维数组的含义是一位数组里的值又是一个数组.比如[][]int, 他是一个一维数组[]int, 里面的值又是一个一维数组.[]int.


   那么用在这里就是, 纵坐标表示有6行, 那么他是一个[6]int, 横坐标表示每行里面又是一个数组, 每行有6个元素[5]int, 所以, 这就是一个[6][5]int 有6行5列的数组.


 

二. 代码实现广度优先算法走迷宫


第一步: step代表从start开始, 走了多少步走到目标点, 最后的路径是通过这个创建出来的, 最后从后往前推就可以算出最短路径
第二步: 定义一个队列, 用来保存已经发现还未探索的点, 队列里的初始值是(0,0)点
第三步: 开始走迷宫, 走迷宫退出的条件有两个
     1. 走到终点, 退出
     2. 队列中没有元素, 退出
第四步:  判断坐标是否符合探索的要求
         1. maze at next is 0
         2. and setp at next is 0, 如果step的值不是0 ,说明曾经到过这个点了, 不能重复走
         3. next != start 处理特殊点, (0,0)点
第五步: 已经找到这个点了, 计算当前的步数, 并加入队列中


package main
import (
    "fmt"
    "os"
)
func readFile(filename string) [][]int{
    // 定义一个行和列,用来接收迷宫是几行几列的数组
    var row, col int
    file, e := os.Open(filename)
    if e != nil {
        panic("error")
    }
    defer file.Close()
    fmt.Fscan(file, &row, &col)
    // 定义一个数组
    // 注意: 定义数组的时候, 我们只要传入几行就可以了.
    // 二维数组的含义, 其实质是一个一维数组, 一维数组里每一个元素又是一个数组
    maze := make([][]int, row)
    for i := 0; i < len(maze); i++ {
        maze[i] = make([]int, col)
        for j := 0; j < len(maze[i]); j++ {
            fmt.Fscan(file, &maze[i][j])
        }
    }
    return maze
}
type point struct {
    i, j int
}
// 当前节点, 向四个方向探索后的节点
// 这里使用的是返回新的节点的方式, 不修改原来的节点. 所以使用的是值拷贝,而不是传地址
func (p point) add(dir point) point{
    return point{p.i + dir.i, p.j + dir.j }
}
// 获取某个点的坐标值
// 同时判断这个点有没有越界, 返回的是这个值是否有效
// return 第一个参数表示返回的值是否是1, 是1表示撞墙了
//        第二个参数表示返回的值是否不越界, 不越界返回true, 越界,返回false 就和你
func (p point) at(grid [][]int) (int, bool) {
    if p.i < 0 || p.i >= len(grid) {
        return 0, false
    }
    if p.j <0 || p.j >= len(grid[0]) {
        return 0, false
    }
    return grid[p.i][p.j], true
}
// 定义要探索的方向, 上下左右四个方向
var dirs = []point {
    point{-1, 0},
    point{0, -1},
    point{1, 0},
    point{0, 1},
}
// 走迷宫
func walk(maze [][]int, start, end point) [][]int {
    // 第一步: step代表从start开始, 走了多少步走到目标点, 最后的路径是通过这个创建出来的, 最后从后往前推就可以算出最短路径
    // 2. 通step还可以知道哪些点是到过的, 哪些点是没到过的
    step := make([][]int, len(maze))
    for i := range step {
        // 定义每一行有多少列, 这样就定义了一个和迷宫一样的二维数组
        step[i] = make([]int, len(maze[i]))
    }
    // 第二步: 定义一个队列, 用来保存已经发现还未探索的点, 队列里的初始值是(0,0)点
    Que := []point{start}
    // 第三步: 开始走迷宫, 走迷宫退出的条件有两个
    // 1. 走到终点, 退出
    // 2. 队列中没有元素, 退出
    for len(Que) > 0 {
        // 开始探索, 依次取出队列中, 已经发现还未探索的元素
        // cur 表示当前要探索的节点
        cur := Que[0]
        // 然后从头拿掉第一个元素
        Que = Que[1:]
        // 如果这个点是终点, 就不向下探索了
        if cur == end {
            break
        }
        // 当前节点怎么探索呢? 要往上下左右四个方向去探索
        for _, dir := range dirs {
            // 探索下一个节点, 这里获取下一个节点的坐标. 当前节点+方向
            next := cur.add(dir)
            // 判断坐标是否符合探索的要求
            // 1. maze at next is 0
            // 2. and setp at next is 0, 如果step的值不是0 ,说明曾经到过这个点了, 不能重复走
            // 3. next != start 处理特殊点, (0,0)点
            // 探索这个点是否是墙
            val, ok := next.at(maze)
            if !ok || val == 1 {
                continue
            }
            // 探索这个点是否已经走过
            val, ok = next.at(step)
            if val != 0 || !ok {
                continue
            }
            // 走到起始点了, 返回
            if next == start {
                continue
            }
            // 已经找到这个点了, 计算当前的步数
            curval, _ := cur.at(step) // 当前这一步的步数
            step[next.i][next.j] = curval + 1 // 下一步是当前步数+1
            Que = append(Que, next) // 将下一步节点放入到队列中
        }
    }
    return step
}
func main() {
    maze := readFile("maze/maze.in")
    steps := walk(maze, point{0, 0}, point{len(maze) - 1, len(maze[0]) - 1})
    // len(maze)-1, len[maze[0]]-1 是终点
    // 0,0是起始点
    for _, row := range steps {
        for _, val := range row  {
            fmt.Printf("%3d", val)
        }
        fmt.Println()
    }
}



参考资料:

1. https://www.cnblogs.com/mrf1209/p/10021966.html

相关文章
|
算法 定位技术 C++
基本算法-回溯法(迷宫问题)
基本算法-回溯法(迷宫问题)
571 0
|
4月前
|
机器学习/深度学习 算法 Java
算法设计(动态规划应用实验报告)实现基于贪婪技术思想的Prim算法、Dijkstra算法
这篇文章介绍了基于贪婪技术思想的Prim算法和Dijkstra算法,包括它们的伪代码描述、Java源代码实现、时间效率分析,并展示了算法的测试用例结果,使读者对贪婪技术及其应用有了更深入的理解。
算法设计(动态规划应用实验报告)实现基于贪婪技术思想的Prim算法、Dijkstra算法
数据结构实验之图论四:迷宫探索
数据结构实验之图论四:迷宫探索
|
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
|
算法
广度优先遍历(BFS):逐层探索图的算法奥秘
在图论中,广度优先遍历(Breadth-First Search,BFS)是一种图遍历算法,它以一种逐层的方式探索图的节点。通过从起始节点开始,逐层向外扩展,BFS能够帮助我们解决许多与图相关的问题。
126 0
|
7月前
|
算法 C++
一题带你写出图论算法模板!!!
一题带你写出图论算法模板!!!
|
7月前
|
算法
【算法学习】—n皇后问题(回溯法)
【算法学习】—n皇后问题(回溯法)
|
算法 Python
使用深度优先搜索算法解决迷宫问题
迷宫问题是一个经典的算法问题,涉及到通过一个迷宫找到从起点到终点的路径。在本篇博客中,我们将探讨如何使用深度优先搜索(DFS)算法来解决迷宫问题。
316 2
|
存储 算法 UED
【算法入门&图论】【模板】拓扑排序|【模板】单源最短路2 |最小生成树(上)
【算法入门&图论】【模板】拓扑排序|【模板】单源最短路2 |最小生成树
89 0
|
算法 容器
【算法入门&图论】【模板】拓扑排序|【模板】单源最短路2 |最小生成树(下)
【算法入门&图论】【模板】拓扑排序|【模板】单源最短路2 |最小生成树
112 0