BFS-基础简单的算法
前言
有时候,当你并不了解很多高级算法的时候,搜索不失为一种解决问题的好方法,而且很多高级算法有或多或少的会用到搜索或者搜索的思想。可见,搜索是一个基础并且必须要掌握的算法。
在这篇文章中,会对BFS进行一次系统的总结。好了,废话不多说,赶紧开始。
搜索里面包含了一下内容:
- 列表
- 线性搜索
- 二分搜索
- 树/图
- 广度优先搜索
- 最良优先搜索
- 均一开销搜索
- A*算法
- 深度优先搜索
- 迭代深化深度优先搜索
- 深度限制搜索
- 双方向探索
- 分支限定法
- 广度优先搜索
- 字符串
- KMP算法
- BM算法
- AC自动机
- Rabin-Karp算法
- 位图算法
但是这里直讲关于BFS的内容,涉及到BFS的有树和图;
实现
树
注意,树里面分为二叉树和多叉树,处理方式有些不一样。
树的结构
/**
* 树
*/
struct TreeNode {
int val;
TreeNode *left;
TreeNode *right;
TreeNode *prev;
TreeNode(int x) : val(x), left(NULL), right(NULL), prev(NULL) {}
};
struct MoreTreeNode {
int val;
std::vector<MoreTreeNode*> nexts;
MoreTreeNode(int x) : val(x) {}
};
树的bfs实现
/**
* 树的最基本的BFS
* @param root
*/
void Solution::DanXiangTreeBFS(TreeNode* root) {
if (root == NULL) {
return ;
}
std::queue<TreeNode*> queues;
queues.push(root);
while (!queues.empty()) {
TreeNode* node = queues.front();
queues.pop();
std::cout << "value:" << node->val << std::endl;
if (node->left) {
queues.push(node->left);
}
if (node->right) {
queues.push(node->right);
}
}
}
/**
* 多插树的最基本的BFS
* @param root
*/
void Solution::MoreTreeBFS(MoreTreeNode* root) {
if (root) {
return ;
}
std::queue<MoreTreeNode*> queues;
queues.push(root);
std::unordered_map<MoreTreeNode*, bool> visited;
visited[root] = true;
while (!queues.empty()) {
MoreTreeNode* node = queues.front();
queues.pop();
// 访问所有子结点
for (int i = 0; i < node->nexts.size(); i++) {
MoreTreeNode* next = node->nexts[i];
if (next && !visited[next]) {
visited[next] = true;
std::cout << "value:" << next->val << std::endl;
queues.push(next);
}
}
}
}
总结
有没有发现,树的BFS遍历必然会存在一个队列,一个纪录是否访问过该结点的数组,总而言之,就是如果没访问过就加入,一直循环直到全部结点访问完。
图
图的表示方式有好几种,这里只用了邻接表的表达方式。
图的结构
/**
* 图
*/
// 图的最大顶点数目
#define MaxGraphSize 10
// 定义边表结点
struct ArcNode {
int val;
ArcNode* next;
};
// 定义顶点表结点
template <class T>
struct VertexNode {
T vertex;
ArcNode* firstNode;
};
// 图
struct Graph {
int edgeNum;
int vertexNum;
VertexNode<int> vertes[MaxGraphSize];
};
图的bfs实现
/**
* 图的BFS
*/
void Solution::GraphBFS(Graph* graph) {
int value[MaxGraphSize];
int head = 0, rear = 0;
int queue[MaxGraphSize];
int visited[MaxGraphSize];
memset(visited, 0, sizeof(int)*MaxGraphSize);
// 遍历所有的结点,并且以该结点作为起始点,迭代遍历起始结点的下一个结点
for (int i = 0; i < graph->vertexNum; i++) {
if (!visited[i]) {
visited[i] = 1;
queue[rear++] = i; //结点i入队列
}
while(head != rear) {
int j = queue[head++]; //结点j出队列
ArcNode* node = graph->vertes[j].firstNode; //找到对应的起始结点
while (node != NULL) {
int k = node->val; //结点k
if (!visited[k]) {
visited[k] = 1;
queue[rear++] = k;
}
node = node->next;
}
}
}
}
总结
是不是感觉有些不一样了呢,nono,实质还是一样的,只不过这里并没有用到stl,而是用下标head和rear去纪录出度和入度,实现一个队列,因为当head和rear相等的时候就是访问完所有结点的时候。
双向广搜
什么是双向广搜呢,就是说使用两个队列,一个从头用BFS搜,另一个从尾也用BFS搜,直到双方存在重叠的结点,则返回,至于返回什么根据题目的要求,可以是层数balabala;因为将搜索分为两个部分,搜索的时间自然会变得很快。
/**
* 双向广搜,存在两个方向上的BFS,当两个方向的搜索生成同一子结点时终止此搜索
* 通常存在两种方法:1.两个方向交替扩展,2.选择结点个数较少的那个方向先扩展
* @param root
*/
void Solution::ShuangXiangBFS(MoreTreeNode* begin, MoreTreeNode* target) {
// 假设是图
std::queue<MoreTreeNode*> min, max;
min.push(begin);
max.push(target);
bool found = false;
std::unordered_map<MoreTreeNode*, int> visited;
visited[begin] = 1, visited[target] = 2; //初始状态下默认设置成1(正向)和2(反向)
// flag作为区分两个队列的标志
auto extend_node = [&](std::queue<MoreTreeNode*> queues, bool flag) {
MoreTreeNode* node = queues.front();
queues.pop();
// 访问所有子结点
for (int i = 0; i < node->nexts.size(); i++) {
MoreTreeNode* next = node->nexts[i];
if (flag) {
if (visited[next] != 1) { // 没在正向队列中出现
if (visited[next] == 2) { // 在反向队列中出现过,说明已经找到了
found = true;
return;
}
visited[next] = 1; //做标记
queues.push(next);
}
}
else {
if (visited[next] != 2) { // 同上
if (visited[next] == 1) {
found = true;
return;
}
visited[next] = 2;
queues.push(next);
}
}
}
};
while (!min.empty() || !max.empty()) {
if (!min.empty()) {
extend_node(min, true);
}
if (found) {
return ;
}
if (!max.empty()) {
extend_node(max, false);
}
if (found) {
return ;
}
}
}
其实上面的代码并不完全正确,仍然需要进行优化,比如说会遇到这样的情况
求S-T的最短路,交替节点搜索(一次正向节点,一次反向节点)时
while(1):
S –> 1
T –> 3
while(2):
S -> 5
T -> 4
while(3):
1 -> 5
3 -> 5 返回最短路为4,错误的,事实是3,S-2-4-T
正确做法的是交替逐层搜索,保证了不会先遇到非最优解就跳出,而是检查完该层所有节点,得到最优值。也即如果该层搜索遇到了对方已经访问过的,那么已经搜索过的层数就是答案了,可以跳出了,以后不会更优的了。
下面的代码进行优化:优先去访问结点少的层。
#include <stdio.h>
#include <stdlib.h>
#include <queue>
#include <iostream>
using namespace std;
int l; //4<=l<=300
int sx,sy,tx,ty;
int a[305][305]; //正向搜索层次
int b[305][305]; //反向搜索层次
struct point{
int x,y;
};
struct point dir[]=
{
{1,2},{1,-2},{-1,2},{-1,-2},
{2,1},{2,-1},{-2,1},{-2,-1}
};
bool check(int x,int y){
if(x>=0 && x<l && y>=0 && y<l)
return true;
else
return false;
}
void dbfs(){
memset(a,-1,sizeof(a));
memset(b,-1,sizeof(b));
a[sx][sy]=0;
b[tx][ty]=0;
queue<point> forQ,backQ;
point p1,p2;
p1.x=sx;
p1.y=sy;
p2.x=tx;
p2.y=ty;
forQ.push(p1);
backQ.push(p2);
//正反向队列至少还有一个可以扩展
while(forQ.empty()==false || backQ.empty()==false){
//优化:优先扩展元素少的队列(如果只有一个队列非空,则扩展非空队列)
int forSize=forQ.size();
int backSize=backQ.size();
if(backSize==0 || forSize<backSize){
//扩展正向队列一层
int i;
for(i=0;i<forSize;i++){
point cur=forQ.front();
forQ.pop();
if(b[cur.x][cur.y]!=-1){
printf("%d\n",a[cur.x][cur.y]+b[cur.x][cur.y]);
return;
}
int j;
for(j=0;j<8;j++){
if(check(cur.x+dir[j].x, cur.y+dir[j].y)){
point next={cur.x+dir[j].x, cur.y+dir[j].y}; //!注意struct的创建方式
if(a[next.x][next.y]!=-1)//以前已经正向扩展过
continue;
a[next.x][next.y]=a[cur.x][cur.y]+1;
forQ.push(next);
}
}
}
}else{
//扩展反向队列一层
int i;
for(i=0;i<backSize;i++){
point cur=backQ.front();
backQ.pop();
if(a[cur.x][cur.y]!=-1){
printf("%d\n",a[cur.x][cur.y]+b[cur.x][cur.y]);
return;
}
int j;
for(j=0;j<8;j++){
if(check(cur.x+dir[j].x, cur.y+dir[j].y)){
point next={cur.x+dir[j].x, cur.y+dir[j].y};
if(b[next.x][next.y]!=-1)
continue;
b[next.x][next.y]=b[cur.x][cur.y]+1;
backQ.push(next);
}
}
}
}
}//end while
printf("0");
}
int main(void){
int time;
scanf("%d",&time);
while(time-->0){
scanf("%d%d%d%d%d\n",&l,&sx,&sy,&tx,&ty);
dbfs();
}
return 0;
}
练习
网络上有这么一道题,骑士移动
这道题就可以用到BFS,双向BFS,A*(有目的的BFS)来解决
BFS
/**
* 骑士题目
* 给定起点和终点,按照骑士的走法,求解最短路数
*/
// 使用bfs实现(核心代码)
void qishi_bfs() {
typedef struct Node {
int x, y;
int step;
};
int dis[8][2]={{-2,1},{-2,-1},{-1,-2},{-1,2},{2,-1},{2,1},{1,-2},{1,2}};
std::vector< std::vector<int>> visited(8, std::vector<int>(8, 0)); // 8*8
Node start, end;
// 边界判断
auto isValid = [&](Node node) {
if (node.x < 0 || node.y < 0 || node.x > 7 || node.y > 7) {
return false;
}
return true;
};
// 是否为结果
auto isTarget = [&](Node node1, Node node2) {
if (node1.x == node2.x && node1.y == node2.y) {
return true;
}
return false;
};
std::queue<Node> queue;
queue.push(start);
visited[start.x][start.y] = 1;
auto state_bfs = [&]() {
while(!queue.empty()) {
Node next = queue.front();
queue.pop();
if (isTarget(start, next)) {
std::cout << next.step << std::endl;
break;
}
// 方可可以到达的哈什湖上
for (int i = 0; i < 8; ++i) {
Node t;
t.x = next.x + dis[i][0];
t.y = next.y + dis[i][1];
if (isValid(t) && visited[t.x][t.y] == 0) {
visited[t.x][t.y] = 1;
t.step = next.step + 1;
queue.push(t);
}
}
}
};
state_bfs();
}
双向BFS
// 使用双队列的bfs实现(核心代码)
void qishi_double_bfs() {
typedef struct Node {
int x, y;
int step;
};
int dis[8][2]={{-2,1},{-2,-1},{-1,-2},{-1,2},{2,-1},{2,1},{1,-2},{1,2}};
std::vector< std::vector<int>> level(8, std::vector<int>(8, 0)); // 8*8
std::vector< std::vector<int>> color(8, std::vector<int>(8, 0)); // 区分队列
Node start, end;
std::queue<Node> queue_start;
queue_start.push(start);
level[start.x][start.y] = 0;
color[start.x][start.y] = 1;
std::queue<Node> queue_end;
queue_start.push(end);
level[end.x][end.y] = 1; //因为起点和终点必然不是重合的,它们之间至少存在1的距离
color[start.x][start.y] = 2;
// 边界判断
auto isValid = [&](Node node) {
if (node.x < 0 || node.y < 0 || node.x > 7 || node.y > 7) {
return false;
}
return true;
};
auto state_bfs = [&](std::queue<Node> queue, bool flag) {
while(!queue.empty()) {
Node next = queue.front();
queue.pop();
// 方可可以到达的哈什湖上
for (int i = 0; i < 8; ++i) {
Node t;
t.x = next.x + dis[i][0];
t.y = next.y + dis[i][1];
if (isValid(t)) {
continue;
}
if (flag) {
if (color[t.x][t.y] == 0) {
color[t.x][t.y] = 1;
level[t.x][t.y] = level[next.x][next.y] + 1;
queue.push(t);
}
else if (color[t.x][t.y] == 2) {
return level[t.x][t.y] + level[next.x][next.y];
}
}
else {
if (color[t.x][t.y] == 0) {
color[t.x][t.y] = 2;
level[t.x][t.y] = level[next.x][next.y] + 1;
queue.push(t);
}
else if (color[t.x][t.y] == 1) {
return level[t.x][t.y] + level[next.x][next.y];
}
}
}
}
};
// 避免出现起始或者结束中没有下一步的结点,也就是可能中间断掉了
while (!queue_start.empty() || !queue_end.empty()) {
if (!queue_start.empty()) {
state_bfs(queue_start, true);
}
if (!queue_end.empty()) {
state_bfs(queue_end, true);
}
}
}
A*
因为这个稍微有些复杂,所以会单独写一篇文章来描述。
其他
当我们已经获取到了图的邻接表的时候,要求从起始结点到目标结点的路径,应该怎么求呢?
/**
* 反向生成路径,但是需要注意的地方在于,其只能生成一条路径
* 要么你每次在主程序中得到目标结点后,就收敛然后使用这个函数
* @tparam state_t
* @param father
* @param target
* @return
*/
template <typename state_t>
std::vector<state_t> gen_path(const std::unordered_map<state_t, state_t> father, const state_t& target) {
std::vector<state_t> path;
path.push_back(target);
// 从叶结点一直到访问到根结点(不再存在父结点)
for (state_t cur = target; father.find(cur) != father.end(); cur = father.at(cur)) {
path.push_back(cur);
}
std::reverse(path.begin(), path.end());
return path;
}
/**
* 很显然,对于多条路径的计算方法,DFS再合适不过了,
* 此时nexts为邻接表,纪录每个结点的相关的状态数组
* @tparam state_t
*/
template <typename state_t>
std::vector<std::vector<state_t>> results;
template <typename state_t>
void get_more_path(const std::unordered_map<state_t, std::vector<state_t>> nexts, std::vector<state_t> path, state_t cur, state_t target) {
// 达到目标后收敛
if (cur == target) {
results.push_back(path);
return ;
}
else {
std::vector<state_t> next = nexts[cur];
for (int i = 0; i < next.size(); i++) {
state_t now = next[i];
path.push_back(now);
get_more_path(nexts, path, now, target);
path.pop_back();
}
}
}
BFS-基础简单的算法的更多相关文章
- 基于BP神经网络的简单字符识别算法自小结(C语言版)
本文均属自己阅读源代码的点滴总结.转账请注明出处谢谢. 欢迎和大家交流.qq:1037701636 email:gzzaigcn2009@163.com 写在前面的闲话: 自我感觉自己应该不是一个非常 ...
- 简单排序算法 C++类实现
简单排序算法: 冒泡排序 插入排序 选择排序 .h代码: // // SortClass.h // sort and selection // // Created by wasdns on 16/1 ...
- 简单排序算法设计(Java)
总共有八种排序算法,还是慢慢看吧 1.简单排序算法 简单排序算法就是设置标兵,逐个比较数,然后查找插入位置,插入 public static void p(int[] a){ for(int i=0; ...
- 简单的算法题, Find Minimum in Rotated Sorted Array 的Python实现。
简单的算法题, Find Minimum in Rotated Sorted Array 的Python实现. 题目: Suppose a sorted array is rotated at som ...
- 一个简单的算法,定义一个长度为n的数组,随机顺序存储1至n的的全部正整数,不重复。
前些天看到.net笔试习题集上的一道小题,要求将1至100内的正整数随机填充到一个长度为100的数组,求一个简单的算法. 今天有空写了一下.代码如下,注释比较详细: using System; usi ...
- 图论基础之Dijkstra算法的初探
图论,顾名思义就是有图有论. 图:由点"Vertex"和边"Edge "组成,且图分为有向图和无向图(本文讨论有向图),之前做毕业设计的 ...
- 教你用Python实现简单监督学习算法
教你用Python实现简单监督学习算法 监督学习作为运用最广泛的机器学习方法,一直以来都是从数据挖掘信息的重要手段.即便是在无监督学习兴起的近日,监督学习也依旧是入门机器学习的钥匙. 这篇监督学习教程 ...
- 简单数学算法demo和窗口跳转,关闭,弹框
简单数学算法demo和窗口跳转,关闭,弹框demo <!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN&quo ...
- C语言- 基础数据结构和算法 - 09 栈的应用_中缀表达式转后缀表达式20220611
09 栈的应用_中缀表达式转后缀表达式20220611 听黑马程序员教程<基础数据结构和算法 (C版本)>, 照着老师所讲抄的, 视频地址https://www.bilibili.com/ ...
随机推荐
- HDU5477(模拟)
A Sweet Journey Time Limit: 2000/1000 MS (Java/Others) Memory Limit: 65536/65536 K (Java/Others)T ...
- 华为荣耀畅玩5C NEM-UL10 ROOT那些事儿(亲测成功)
以前ROOT手机都是在手机上安装KingRoot 刷机精灵等软件分分钟成功(不排除偶然,,比如这款华为荣耀...) 手机安装KingRoot等软件,,,失败 电脑上安装连接手机Root,,,,失败 ...
- static的加载先后顺序
1.静态变量的声明和赋值是分开的,静态变量会先被声明,赋值操做被放在了静态代码块中. 2.静态变量的赋值和静态代码块的执行顺序和代码的先后书写顺序相关. 3.静态代码块优先执行,其次构造方法,最后普通 ...
- https post
using System; using System.Collections.Generic; using System.Linq; using System.Text; using System.N ...
- 二cha树
void porder(BTree *b) { BTree *St[MaxSize],*p; ; if(b!=NULL) { top++; St[top]=b; ) { p=St[top]; top- ...
- redux 初识
前言 Redux 试图让 state 的变化变得可预测 react/react-native 将组件的更新交给了状态机(state),想要更新页面活着页面的某个组件就必须得通过改变state的方式.页 ...
- 浅谈PHP的CI框架(一)
作为前端开发人员,掌握一门后端语言是必不可少的,PHP的CI框架是一个快速开发框架,基于MVC,比较接近原生PHP,在原有的PHP代码上封装了许多类,易上手,容易扩展,适用于小项目,并且CI的文档及案 ...
- 【转】jqGrid学习之介绍
JQGrid JQGrid是一个在jquery基础上做的一个表格控件,以ajax的方式和服务器端通信. JQGrid Demo 是一个在线的演示项目.在这里,可以知道jqgrid可以做什么事情. ...
- 使用PHP生成二维码(PHPQRCode)
关于什么是二维码,可以阅读 http://baike.baidu.com/view/132241.htm 这里就不多讲了,二维码的应用非常广泛,似乎一夜之间渗透到我们生活的方方面面,地铁广告.报纸.火 ...
- 读书笔记 effective c++ Item 10 让赋值运算符返回指向*this的引用
一个关于赋值的有趣的事情是你可以将它们链在一起: int x, y, z; x = y = z = ; // chain of assignments 同样有趣的是赋值采用右结合律,所以上面的赋值链被 ...