问题描述
因此，我目前正在学习搜索算法，如果有人可以提供关于深度优先搜索的实现方式的解释，我将不胜感激，但我确实了解深度优先搜索的工作原理一种算法，但是我在努力了解如何在这里实现它。
感谢您的耐心和理解，下面是代码：
map = {(0,0): [(1,0),(0,1)],1): [(1,1),2)],2): [(1,2),3)],3): [(1,3),4)],4): [(1,4),5)],5): [(1,(1,0): [(2,1): [(2,2): [(2,3): [(2,4): [(2,5): [(2,(2,0): [(3,1): [(3,2): [(3,3): [(3,4): [(3,5): [(3,(3,0): [(4,1): [(4,2): [(4,3): [(4,4): [(4,5): [(4,(4,0): [(5,1): [(5,2): [(5,3): [(5,4): [(5,5): [(5,(5,5): []}
visited = []
path = []
routes = []
def goal_test(node):
if node == (5,5):
return True
else:
return False
found = False
def dfs(visited,graph,node):
global routes
visited = visited + [node]
if goal_test(node):
routes = routes + [visited]
else:
for neighbour in graph[node]:
dfs(visited,neighbour)
dfs(visited,map,0))
print(len(routes))
for route in routes:
print(route)
解决方法
此实现采用了几种不良做法：
-
map是Python的本机功能，因此使用该名称创建变量是个坏主意。 -
visited不需要在全局范围内初始化：调用者对此没有兴趣，因为它仅在DFS算法本身中发挥作用 -
routes也不必初始化为空列表，并且dfs突变此全局变量是很糟糕的。相反，dfs应该将该信息返回给呼叫者。这使得一个dfs调用是独立的，因为它返回了从 current 节点到目标的可能路由。调用方可以使用其他节点扩展此返回的集合中的路由。 -
goal_test的正文应写为return node == (5,5)。if ... else只是将布尔值转换为相同的布尔值。 -
当您只需将参数传递给表示目标节点的
goal_test函数时，函数dfs似乎是过大的。这也使它变得更加通用，因为您无需在函数内对目标位置进行硬编码。 -
path和found已初始化但从未使用过。
如果图具有循环，则 -
dfs会遇到堆栈溢出。对于给定的图，这不会发生，因为该图是非循环的，但是如果您在为其提供循环图时也可以依赖此函数，则更好。 -
dfs将多次访问同一单元，因为可以通过不同的路径（例如(2,2)）找到它，因此从那里将执行相同的DFS搜索以前已经做过。通过存储上次访问该单元格获得的结果，可以稍微提高效率，即可以使用备忘录。收益很小，因为大多数时间都花在创建和复制路径上。如果该功能仅计数个路径数量而不构建路径，那么（使用记忆）的收益将是可观的。
这里是处理上述要点的实现。它使用包装函数来隐藏对调用者的记忆，并减少需要传递给dfs的参数数量：
def search(graph,source,target):
# Use memoization to avoid repetitive DFS from same node,# Also used to mark a node as visited,to avoid runnning in cycles
memo = dict() # has routes that were already collected
def dfs(node):
if node not in memo: # not been here before
if node == target:
memo[node] = [[target]]
else:
# Mark with None that this node is on the current path
# ...avoiding infinite recursion on a cycle
memo[node] = None # temporary value while not yet back from recursion
memo[node] = [
[node] + route
for neighbour in graph[node]
for route in dfs(neighbour)
if route
]
return memo[node]
return dfs(source)
graph = {(0,0): [(1,0),(0,1)],# ...etc ...
}
routes = search(graph,(5,5))
print(len(routes))
for route in routes:
print(route)