圖解演算法學習筆記(六):廣度優先搜尋
阿新 • • 發佈:2018-12-18
本章內容;
- 學習使用新的資料結構圖來建立網路模型;
- 學習廣度優先搜尋;
- 學習有向圖和無向圖;
- 學習拓撲排序,這種排序演算法指出了節點之間的依賴關係。
1)圖簡介
假設你住在舊金山,要從雙子峰前往金門大橋。你想乘公交車前往,並希望換乘最少。可乘坐的公交車如下:
從圖中我們可以發現,前往進門大橋的最短路徑需要三步,這種問題被稱為最短路徑問題(shorterst-path problem)。
要確定如何從雙子峰前往金門大橋,需要兩個步驟:
-
使用圖來建立問題模型。
-
使用廣度優先搜尋解決問題。
2)圖是什麼
圖模擬一組連線,圖由節點(node)和邊(edge)組成。
3)廣度優先搜尋
廣度優先搜尋是一種用於圖的查詢演算法。可回答兩類問題:
從A節點有前往幾點B的路徑嗎?哪條路徑最短?
下面來看一個例子:假設你經營這一個芒果農場,需要尋找芒果經銷商,以便將芒果賣給他。為此,你可在朋友中查詢。
這種查詢很簡單,首先建立一個朋友名單。然後依次檢查名單中的每個人,看看他是否是芒果銷售商。
假設你沒有朋友是芒果銷售商,那麼你必須在朋友的朋友中查詢。
檢查名單中的每個人時,你都將其朋友加入名單。
1.查詢最短路徑
人物關係如圖所示:
在你看來,一度關係勝過二度關係,二度關係勝過三度關係,等等。因此,你應現在一度關係中搜索,確定其中沒有芒果銷售商後,才在二度關係中搜索。廣度優先搜尋就是這樣做的!
2.佇列
佇列的工作原理與現實生活中的佇列完全相同。假設你與朋友一起在公交車站排隊,如果你排在他前面,你講先上車。佇列只有兩種操作:入隊和出隊。
佇列是一種先進先出(First In First Out,FIFO)的資料結構,而棧是一種後進先出(Last In First Out, LIFO)的資料結構。
4)實現圖
使用散列表,表示節點與節點之間的關係!
有向圖與無向圖關係如圖:
5)實現演算法
概述一下演算法原理:
尋找芒果銷售商的Python原始碼為:
#從標準庫匯入佇列元素 from collections import deque def person_is_seller(name): return name[-1] == 'm' graph = {} graph["you"] = ["alice", "bob", "claire"] graph["bob"] = ["anuj", "peggy"] graph["alice"] = ["peggy"] graph["claire"] = ["thom", "jonny"] graph["anuj"] = [] graph["peggy"] = [] graph["thom"] = [] graph["jonny"] = [] def search(name): #建立一個新佇列 search_queue = deque() search_queue += graph[name] # This array is how you keep track of which people you've searched before. searched = [] while search_queue: #隊首元素出隊 person = search_queue.popleft() # Only search this person if you haven't already searched them. if not person in searched: if person_is_seller(person): print person + " is a mango seller!" return True else: search_queue += graph[person] # Marks this person as searched searched.append(person) return False search("you")
6)小結
- 廣度優先搜尋指出是否有從A到B的路徑。
- 如果有,廣度優先搜尋將找出最短路徑。
- 面臨類似於尋找最短路徑的問題時,可嘗試使用圖來建立模型,再使用廣度優先搜尋來解決問題。
- 有向圖中的邊為箭頭,箭頭的方向指定了關係的方向。
- 無向圖中的邊不帶箭頭,其中的關係是雙向的。
- 佇列是先進先出(FIFO)的。
- 棧是後進先出(LIFO)的。
- 你需要按加入順序檢查搜尋列表中的人,否則找到的就不是最短路徑,因此搜尋列表必須是佇列。
- 對於檢查過的人,務必不要再去檢查,否則可能導致無限迴圈。