@この記事は公開番号から来ています：csdn2299、公開番号プログラマー学校に注意を払うように
深さ優先アルゴリズム（DFSアルゴリズム）とは何ですか？
開始ノードとターゲットノード間のパスを見つけるためのアルゴリズムは、迷路を脱出するためのパスを検索するためによく使用されます。主な考え方は、入り口から始めて、周囲のノードの可能な座標が順番に検索されますが、同じノードを繰り返し通過することはなく、障害物ノードを通過することはできません。ノードに移動して行く方法がないことがわかった場合は、前のノードにフォールバックして別のパスを選択します。出口が見つかるか、開始点に戻る方法がなくなるまで、ゲームは終了です。もちろん、深さ優先アルゴリズムは、有効なパスが見つかる限り検索を停止します。つまり、進む方法がある限り、深さ優先アルゴリズムは前のステップにフォールバックしません。
それでもプログラミングの世界で混乱している場合は、Python学習ボタンqun：784758214に参加して、前任者がどのように学習したかを確認できます。交換体験！私は上級のpython開発エンジニアで、基本的なpythonスクリプトからWeb開発、クローラー、django、データマイニングなど、ゼロベースから実際の戦闘情報を予測するまでを担当しています。Pythonのすべての小さな友達に！注意が必要ないくつかの学習方法と小さな詳細を共有し、クリックしてPython学習者の集まりに参加してください
次の図は、DFSアルゴリズムを使用して検索されたパスです。
要約：
開始点から開始して、次のステップを通過できるノードにクエリを実行し、これらの可能なノードをスタックにプッシュします。これにより、既に通過したノードは再試行しません。クエリが完了したら、スタックからノードを削除し、ノードの周囲に機能しているノードがあるかどうかをクエリします。可能なノードがない場合は、スタックからノードを取得し続けます。現在のノードが終点になるか、スタックにノードがなくなるまで、上記の操作を繰り返します。
データを定義します。
開始ノードとターゲットノード
ストレージノードスタック
補助機能の定義
次のノードの関数を取得します：
終点かどうかを判別する後続関数：test_goal
まず、スタックのデータ構造を定義しましょうスタックは後入れ先出しのデータ構造です。
幅優先検索は後でキューを使用し、A *アルゴリズムは優先キューを使用するため、以降の使用のために抽象基本クラスを定義しました。dequeは、組み込み型のリスト操作に似た両端キューですが、ヘッドとテールの挿入および削除操作の時間の複雑さはどちらもO（1）です。
# utils.py
from abc import abstractmethod, ABC
from collections import deque
class Base(ABC):
def __init__(self):
self._container = deque()
@abstractmethod
def push(self, value):
"""push item"""
@abstractmethod
def pop(self):
"""pop item"""
def __len__(self):
return len(self._container)
def __repr__(self):
return f'{type(self).__name__}({list(self._container)})'
class Stack(Base):
def push(self, value):
self._container.append(value)
def pop(self):
return self._container.pop()
次に、dfs関数を定義しましょう。このうち、initialは初期ノード、sはスタック、markedは通過ノードを記録するために使用されます。後続関数は次の可能なノードを検索するために使用され、test_goal関数はノードがターゲットノードであるかどうかを判別するために使用されます。childrenは可能なノードのリストであり、これらのノードをトラバースし、スタックに移動していないノードをプッシュして、レコードを作成します。
# find_path.py
from utils import Stack
def dfs(initial, _next = successor， _test = test_goal):
s: Stack = Stack()
marked = {initial}
s.push(initial)
while s:
parent: state = s.pop()
if _test(parent):
return parent
children = _next(parent)
for child in children:
if child not in marked:
marked.add(child)
s.push(child)
次に、DFSアルゴリズムを使用して迷路を検索し、検索された迷路を視覚的に示します。
まず、列挙を使用してパスの色を示します。EMPTYは通常のノード、BLOCKEDはバリアノード、STARTは迷路の入り口、ENDは迷路の出口、PATHは検索パスです。
from enum import IntEnum
class Cell(IntEnum):
EMPTY = 255
BLOCKED = 0
START = 100
END = 200
PATH = 150
次に、迷路を定義しましょう。まず、Namedtupleを使用して、迷路の各ノードの座標を定義します。
class MazeLocation(NamedTuple):
row: int
col: int
まず、ノード間の関係の決定を容易にするために、Mazeクラスで内部クラス_Nodeを定義して、ノードとノードの親ノードの状態を記録します。
class _Node:
def __init__(self, state, parent):
self.state = state
self.parent = parent
次に、初期化して入口と出口の座標を決定し、np.random.choice関数を使用してランダムに迷路を生成し、入口と出口にマークを付けます。
def __init__(self, rows: int = 10, cols: int = 10,
sparse: float = 0.2, seed: int = 365,
start: MazeLocation = MazeLocation(0, 0),
end: MazeLocation = MazeLocation(9, 9), *,
grid: Optional[np.array] = None) -> None:
np.random.seed(seed)
self._start: MazeLocation = start
self._end: MazeLocation = end
self._grid: np.array = np.random.choice([Cell.BLOCKED, Cell.EMPTY],
(rows, cols), p=[sparse, 1 - sparse])
self._grid[start] = Cell.START
self._grid[end] = Cell.END
2つ目は、ノード座標がターゲットノードを基準にしている限り、test_goalメソッドです。
def _test_goal(self, m1: MazeLocation) -> bool:
return m1 == self._end
次に、後続メソッドがあり、上、下、左、右の方向のノードが障害物ではなく、境界内にある限り、それらが考慮され、リストに追加されます。
List[MazeLocation]:
location: List[MazeLocation] = []
row, col = self._grid.shape
if m1.row + 1 < row and self._grid[m1.row + 1, m1.col] != Cell.BLOCKED:
location.append(MazeLocation(m1.row + 1, m1.col))
if m1.row - 1 >= 0 and self._grid[m1.row - 1, m1.col] != Cell.BLOCKED:
location.append(MazeLocation(m1.row - 1, m1.col))
if m1.col + 1 < col and self._grid[m1.row, m1.col + 1] != Cell.BLOCKED:
location.append(MazeLocation(m1.row, m1.col + 1))
if m1.col - 1 >= 0 and self._grid[m1.row, m1.col - 1] != Cell.BLOCKED:
location.append(MazeLocation(m1.row, m1.col - 1))
return location
表示パス、一時停止は画像を表示する間隔、プロットは描画フラグです。ターゲットノードから開始して、各ノードの親ノードを最初のノードに到達するまでトラバースし、パスマップを描画します。
None:
if pause <= 0:
raise ValueError('pause must be more than 0')
path: Maze._Node = self._search()
if path is None:
print('没有找到路径')
return
path = path.parent
while path.parent is not None:
self._grid[path.state] = Cell.PATH
if plot:
self._draw(pause)
path = path.parent
print('Path Done')
DFSアルゴリズムを使用するために、迷路クラスを継承するDepthFirstSearchクラスを定義します。DepthFirstSearchクラスは、基本クラスの_searchメソッドを書き換えます。これは、前に定義したdfs関数定義とほぼ同じです。
class DepthFirstSearch(Maze):
def _search(self):
stack: Stack = Stack()
initial: DepthFirstSearch._Node = self._Node(self._start, None)
marked: Set[MazeLocation] = {initial.state}
stack.push(initial)
while stack:
parent: DepthFirstSearch._Node = stack.pop()
state: MazeLocation = parent.state
if self._test_goal(state):
return parent
children: List[MazeLocation] = self._success(state)
for child in children:
if child not in marked:
marked.add(child)
stack.push(self._Node(child, parent))
class DepthFirstSearch(Maze):
def _search(self):
stack: Stack = Stack()
initial: DepthFirstSearch._Node = self._Node(self._start, None)
marked: Set[MazeLocation] = {initial.state}
stack.push(initial)
while stack:
parent: DepthFirstSearch._Node = stack.pop()
state: MazeLocation = parent.state
if self._test_goal(state):
return parent
children: List[MazeLocation] = self._success(state)
for child in children:
if child not in marked:
marked.add(child)
stack.push(self._Node(child, parent))
読んでいただきありがとうございます
。大学でpythonを勉強することに決めたとき、私はコンピューターの基礎がよくなかったことがわかりました。私は学問の資格を持っていませんでした。これは
何もすることはできません。埋め合わせるしかできないので、コーディング以外で自分の反撃を始めました。道は、Pythonのコア知識を学び続け、コンピューターの基礎の詳細な研究を整理し、平凡になりたくない場合は、コーディングに参加して成長してください！
実は、ここには技術だけでなく、それ以外のものもあり、例えば「絹糸」というよりも、どうやってプログラマーとして絶妙な存在になるのか、プログラマー自体が高貴な存在ですね。[参加するにはクリックしてください]自分らしくなりたい、高貴な人になりたい、是非！
