欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

算法之广度优先搜索

程序员文章站 2022-04-08 15:42:17
一、引言 > 上一次介绍的算法是深度优先搜索 > 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 - ......

一、引言

> 上一次介绍的算法是深度优先搜索

> 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

  • - [DFS](https://github.com/danqiusheng/algorithm_practice/blob/master/src/dfs/DFS_4.java)

  • - [BFS](https://github.com/danqiusheng/algorithm_practice/blob/master/src/bfs/BFS_3.java)

  • - [海岛](https://github.com/danqiusheng/algorithm_practice/blob/master/src/bfs/BFS_4.java)