广度优先搜索Breadth-First-Search

2024-09-07 13:20

本文主要是介绍广度优先搜索Breadth-First-Search,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

 

目录

 1.问题

2.算法

3.代码

4.参考文献


 1.问题

        广度优先搜索,稍微学过算法的人都知道,网上也一大堆资料,这里就不做过多介绍了。直接看问题,还是从下图招到一条从城市Arad到Bucharest的路径。

 该图是连通图,所以必然存在一条路径,只是如何找到最短路径。

2.算法

还是贴一个算法的伪代码吧:

 1  procedure BFS(G, root) is2      let Q be a queue3      label root as explored4      Q.enqueue(root)5      while Q is not empty do6          v := Q.dequeue()7          if v is the goal then8              return v9          for all edges from v to w in G.adjacentEdges(v) do
10              if w is not labeled as explored then
11                  label w as explored
12                  w.parent := v
13                  Q.enqueue(w)

 算法实现也可以用递归版本,不过用递归在树的深度比较大时不如使用队列高效。

广度优先搜索总是能找到一个动作最少的解,因为当他生成深度为d的节点时,说明已经生成了升读为d-1的所有节点,如果其中一个节点是解,它应该已经被找到了,这对于所有动作都具有相同代价的问题,它是代价最优的,但对于不具有该特性的问题,则不一定是最优的。这两种情况都是完备的。想象我们在搜索一棵均衡树,每个节点均有b个子节点,则当遍历了d层之后,生成的节点总数为:

1+b+b^2+b^3+...+b^d=O(b^d))

所有节点都存储在内存中,所以时间和空间复杂度都是 O(b^d)  ,这样的指数级上界是可怕的,举个例子:假设 b=10,d=10  ,假设计算机可以每秒处理100w个节点,每个节点需要1Kb存储空间,那么该算法可以再3小时完成计算,但是需要10TB的内存。因此,对于广度优先搜索,内存是一个比执行时间更严重的问题。    

3.代码

        广度优先搜索和最佳优先搜索很像,我在最佳优先搜索中也提到过,这里不在贴重复的代码了,直接贴广度优先搜索:

# -*- coding: utf-8 -*-
"""
Created on Thu Sep  5 18:14:14 2024@author: Paul
"""from collections import deque
from citydata import dist_mat,Nodesdef BFS(mat,start,end):q=deque()   #使用标准库中的优先队列visited=[start]q.append(start)while q:curr=q.popleft()print(curr)for city,_ in mat[Nodes.index(curr)]:    # _代表这里不使用距离信息child=Nodes[city]if child==end:return Trueif child not in visited:q.append(child)visited.append(child)return False

从上面的代码可以看出,我这里没有使用深度信息,而是直接安层次顺序访问,也就是前面提到的,每个城市到另一个城市的代价一样,最后可以得到代价最低的访问层次路径:

Node('Arad')
Node('Zerind')
Node('Sibiu')
Node('Timisoara')
Node('Oradea')
Node('Fagaras')

也就是:

其中Siubiu在第一层就访问过,所以第三层就不会再访问一次(因此打了一个×)

我们在第三层就访问到了目的地,也就是至少需要三条路径才能访问到。

问题来了,我们这次还是没确定从起点到目标点的最短路径,因为没有用到距离信息,别急,下一节DijkStra算法来帮我们彻底解决这个问题。

4.参考文献

 1.       《人工智能:一种现代的方法(第4版)》第三章:无信息搜索策略

这篇关于广度优先搜索Breadth-First-Search的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1145169

相关文章

认识、理解、分类——acm之搜索

普通搜索方法有两种:1、广度优先搜索;2、深度优先搜索; 更多搜索方法: 3、双向广度优先搜索; 4、启发式搜索(包括A*算法等); 搜索通常会用到的知识点:状态压缩(位压缩,利用hash思想压缩)。

hdu1240、hdu1253(三维搜索题)

1、从后往前输入,(x,y,z); 2、从下往上输入,(y , z, x); 3、从左往右输入,(z,x,y); hdu1240代码如下: #include<iostream>#include<algorithm>#include<string>#include<stack>#include<queue>#include<map>#include<stdio.h>#inc

hdu1180(广搜+优先队列)

此题要求最少到达目标点T的最短时间,所以我选择了广度优先搜索,并且要用到优先队列。 另外此题注意点较多,比如说可以在某个点停留,我wa了好多两次,就是因为忽略了这一点,然后参考了大神的思想,然后经过反复修改才AC的 这是我的代码 #include<iostream>#include<algorithm>#include<string>#include<stack>#include<

poj 3190 优先队列+贪心

题意: 有n头牛,分别给他们挤奶的时间。 然后每头牛挤奶的时候都要在一个stall里面,并且每个stall每次只能占用一头牛。 问最少需要多少个stall,并输出每头牛所在的stall。 e.g 样例: INPUT: 51 102 43 65 84 7 OUTPUT: 412324 HINT: Explanation of the s

poj 2431 poj 3253 优先队列的运用

poj 2431: 题意: 一条路起点为0, 终点为l。 卡车初始时在0点,并且有p升油,假设油箱无限大。 给n个加油站,每个加油站距离终点 l 距离为 x[i],可以加的油量为fuel[i]。 问最少加几次油可以到达终点,若不能到达,输出-1。 解析: 《挑战程序设计竞赛》: “在卡车开往终点的途中,只有在加油站才可以加油。但是,如果认为“在到达加油站i时,就获得了一

hdu 4517 floyd+记忆化搜索

题意: 有n(100)个景点,m(1000)条路,时间限制为t(300),起点s,终点e。 访问每个景点需要时间cost_i,每个景点的访问价值为value_i。 点与点之间行走需要花费的时间为g[ i ] [ j ] 。注意点间可能有多条边。 走到一个点时可以选择访问或者不访问,并且当前点的访问价值应该严格大于前一个访问的点。 现在求,从起点出发,到达终点,在时间限制内,能得到的最大

AI基础 L9 Local Search II 局部搜索

Local Beam search 对于当前的所有k个状态,生成它们的所有可能后继状态。 检查生成的后继状态中是否有任何状态是解决方案。 如果所有后继状态都不是解决方案,则从所有后继状态中选择k个最佳状态。 当达到预设的迭代次数或满足某个终止条件时,算法停止。 — Choose k successors randomly, biased towards good ones — Close

hdu4277搜索

给你n个有长度的线段,问如果用上所有的线段来拼1个三角形,最多能拼出多少种不同的? import java.io.BufferedInputStream;import java.io.BufferedReader;import java.io.IOException;import java.io.InputStream;import java.io.InputStreamReader;

POJ2010 贪心优先队列

c头牛,需要选n头(奇数);学校总共有f的资金, 每头牛分数score和学费cost,问合法招生方案中,中间分数(即排名第(n+1)/2)最高的是多少。 n头牛按照先score后cost从小到大排序; 枚举中间score的牛,  预处理左边与右边的最小花费和。 预处理直接优先队列贪心 public class Main {public static voi

深度优先(DFS)和广度优先(BFS)——算法

深度优先 深度优先搜索算法(英语:Depth-First-Search,DFS)是一种用于遍历或搜索树或图的算法。 沿着树的深度遍历树的节点,尽可能深的搜索树的分支,当节点v的所在边都己被探寻过,搜索将回溯到发现节点v的那条边的起始节点。这一过程一直进行到已发现从源节点可达的所有节点为止。如果还存在未被发现的节点,则选择其中一个作为源节点并重复以上过程,整个进程反复进行直到所有节点都被访