此篇文章源自对一个有趣问题的思考,在我的另一篇博文《一个有趣的 5 X 5 方阵一笔画问题》中有详细介绍。在已知其结论的情况下,作为程序员的我,还是想利用该问题当做出发点,写一个可以遍历所有“可能路线”的寻路算法,当做学习“图”相关算法的练习。如果对那个原始问题有兴趣,点击上面的文章链接,出门右转便是。

一、问题回顾

  还是要简单描述一下问题:有一个 5 X 5 的点方阵,如下图,要想用一笔画将所有的蓝色点连起来,是否有可行路线。需要满足3点要求:

  1、笔画必须水平或垂直。

  2、笔画不可以超出方阵边界之外,

  3、每个点只经过一次,且不可以经过黄色点。

  这个问题的数学证明已经在开头的文章中给出,在此不做赘述。这里只考虑它的算法实现。



  在思考算法之前,需要先对问题进行抽象分析,我们可以将上面的问题理解成下图这样 :

二、抽象分析

  由于题目已经被数学证明没有一条路线能够满足题目要求,所以算法的目的不是为了找到所谓符合要求的路线,而是遍历从出发点向网格中所有点可形成的所有路线。可以假设上面的网格是一个地图,小明同学按照地图在网格中行走,目的是找出从出发点到所有点的所有路线。小明先在地图中规定坐标,网格底边作为x轴,左侧的竖边作为y轴,那么红色五角星坐标就是(1,4)。小明从原点开始出发,刚开始时地图中所有的交叉点都被标记“未走过”标识。小明随机选择下一个点,假如依次经过(0,0)、(1,0)、(1,1)、(2,1)、(2,2)、(3,2)、(4,2)、(4,1)、(4,0)、(3,0)、(3,1),每往前走一个点,他都会在地图的相应位置标记已经走过。走到(3,1)时,由于四周的(2,1)、(3,2)、(4,1)都已经走到过,所以往前是无路可走的,只能逐步回退,回退之前小明为了下次不再重新走这个线路,他将这个线路记到了本子上,并标记本路线为历史路线,然后回退,每回退一步小明都会在离开的那个位置将“已走过”的标记涂抹掉并改为“未走过”标识,因为这样当下次从其他路线走时还可以走那个位置。当回退到(3,0)时,(3,1)位置就会由标记“已走过”改为标记“未走过”的状态,并发现临近的(2,0)还没有走过,于是不再回退,转向(2,0)。到达(2,0)时,又出现了无路可走的情况,于是记录当下的路线,然后回退并标记地图。当回退到(3,0)时,虽然会发现(3,1)是“未走过”状态,但由于如果走(3,1)的话就会发现这条路线在笔记本的历史路线中已经出现过,所以依然不能走(3,1),继续回退,按照这个原则一直走下去,直到遍历完从起点出发到达地图上所有点的所有路线,小明最终一定会回到起点。此时他笔记本中的历史路线列表,就是从起点达地图上所有点的所有路线。

三、算法分析

  考虑到算法的实现,这显然是利用了数据结构中的“图”。每一次路线尝试,都是对图的深度遍历,算法要做的事情,无非就是随机选择起点,然后不断地深度遍历新的路线。每往前走一步,就将新位置放进栈。这里要注意的是,针对每一次尝试,当走到无路可走时,并不意味着24个点全部已经遍历到了,因为根据规则,无路可走的原因可能是当下点的四周位置(下面统称为“邻居”)已经全部走过了,即它们已经在栈中了,或者是走到了边角的位置。那么此时无路可走该怎么办呢?是重新从起点开始呢,还是怎样。理论上都可行,不过考虑到效率,即让算法尽量少做重复的事情,我选择在无路可走时,将当下的路线(一个由点序列组成的数组)做记录(存入一个集合中,这个集合记录着所有历史路线),然后回退并将离开的位置从栈弹出,每次回退都将当下路线记录为历史路线,直到周围存在“没有在栈中的点”时不再回退,而是转向新的位置。此时,最近一次回退的那个历史路线决定了下次不会再走这个路线的方向。(假如连续回退了N步,那么最近一次回退的那个历史路线则是临近前N-1次回退历史路线的子集)。不断以上面的方式进行下去,由于“地图”是有限的,当所有可能路线全部遍历过时,最终一定会回到起点。此时历史路线集合列表,记录了从起点达地图上所有点的所有路线。

四、算法描述:

  1、输入:一个二维数组M[26][5]。(第一维度角标1到4分别代表上右下左四个方向,第二维度角标1到25分别代表图的每个点,一次从地图的左上到右下为1到25。数组中的每个值,比如M[20][1]=15 表示地图编号为20的点的上边是编号为15的点,M[20][2]=0表示地图编号为20的点的右方没有通路。其中M[i][0]=0,M[0][j]=0)

  2、初始化:定义栈Q = {1} 和 集合H = {} .(Q中记录了当下路径中依次走过的所有点,H记录着所有的历史路径。)

  3、重复以下动作,直到 Q = {}:

  根据Q的栈顶元素d,和邻接表M找出d的所有临近点元素,从其中随机选择一个元素,且Q中不存在该元素,若找到,将该元素放入Q中。若找不到,则将Q的副本存入H中,并将d从Q中弹出。

  4、输出:H。

五、算法实现

  到这里,对原始问题的抽象思考过程和算法的理论分析过程已经描述完毕。下面就是用实际的代码实现该算法并做到可视化。如果不考虑可视化,那么随便一个编程语言都可以很方便的实现它,我之前用java写过,将结果输出在控制台那种。不过感觉没啥意思,还是想要可视化的感觉。当时很长一段时间我都不知道如何将它可视化,直到我遇到了React,深入了解后,发现用React来完成该算法的可视化,真是再合适不过了。

  由于React是面向组件开发的模式,并且可以很容易根据状态来自动渲染页面,所以可视化部分的设计,就变成对原始“地图”的拆解和状态的定义。我设计的最基础的组件和整体样式如下图这样:

  每个位置(点)都有上下左右四个方向,点与点之间,如果存在连线,则将对应方向的线条用CSS渲染成“block”,其他渲染成“none”.这个过程在定义好CSS样式后,根据数据状态,React会自动帮助界面渲染,不需要反复用js写渲染逻辑。

  最终效果请点击这个 程序链接1程序链接2 查看。以下附带部分代码。另外关于实现过程中对性能的优化,我已经做了一些努力,以后也会不断对其优化,欢迎有兴趣的朋友提出高见。

import React, { Component } from 'react';
import './AppDemo.css';
import Grid from './Grid'; class AppDemo extends Component {
constructor(proprs) {
super(proprs);
var width = 5;
var height = 5;
var matrix = this.init(width,height);
var x = 50;
var start = Math.floor(Math.random() * width * height + 1);
this.state = {
matrix: matrix,
start: start,
arr: [start],
historyPath: [],
width: width,
height: height,
timeID: 0,
speed: 5,
random: true,
x: x,
time: 0
}
}
init(width,height){
var matrix = [[0, 1, 2, 3, 4]];
for (var numb = 1; numb <= width * height; numb++) {
var up = numb > width ? numb - width : 0;
var right = (numb % width) !== 0 ? numb + 1 : 0;
var down = numb <= width * (height - 1) ? numb + width : 0;
var left = ((numb - 1) % width) !== 0 ? numb - 1 : 0;
var arr = [numb];
arr.push(up);
arr.push(right);
arr.push(down);
arr.push(left);
matrix.push(arr);
}
return matrix;
}
handle() {
//var beginTime1=0;
//var beginTime2=0;
//beginTime1 = new Date().getTime();
var nowRow = this.state.arr[this.state.arr.length - 1];//获取当下的位置编号
var arr = this.state.arr;//路径编号
var matrix = this.state.matrix;//矩阵存储结构
var historyPath = this.state.historyPath;//历史路径
if (arr.length > 0) {//如果路径长度>0
var next = false;//默认找不到路径
var ran = 1
if (this.state.random) {
ran = Math.floor(Math.random() * 4 + 1);
}
//var beginTime4 = new Date().getTime();
for (var i = 0; i < 4; i++) {
var nextNumb = matrix[nowRow][ran];
if (nextNumb !== 0 && !this.containNowPath(nextNumb)) {//找到路径
arr.push(nextNumb);//将新元素入栈
if (!this.containHistoryPath(arr)) {//若新路径没有在历史路径中出现过,则走该路径
this.setState({
arr: arr
});
next = true;
break;
} else {//若新路径在历史路径中出现过,则跳过该路径
arr.pop();//放弃该位置
ran = ran + 1 > 4 ? 1 : ran + 1;
}
} else {
ran = ran + 1 > 4 ? 1 : ran + 1;
}
} //var beginTime5 = new Date().getTime();
if (!next) {//如果无路可走
//判断当下路径(未退步之前)是否包含于历史记录。
if (!this.containHistoryPath(arr)) {
historyPath.push(arr.slice());//若没有包含与历史中,则将新的尝试路径保存进历史路径集中
}
arr.pop();//将最后一个元素弹出,相当于后退一步
this.setState({//修改当前改变了的状态
arr: arr,
historyPath: historyPath
});
}
} else {//若路径遍历结束,则换一个起点继续遍历。
this.stop();
// this.setState({
// start: this.state.start + 1,
// arr: [this.state.start + 1],
// historyPath: [],
// len: 5
// });
}
// beginTime2 = new Date().getTime();
// var time = beginTime2 - beginTime1 ;
// if(time> this.state.time){
// this.setState({//修改当前改变了的状态
// time: time
// });
// }
//alert(time);
} containNowPath(row) {//判断下一个位置是否已经存在当下路径中。
var r = false;
for (var i = 0; i < this.state.arr.length; i++) {
r = this.state.arr[i] === row;
if (r) {
break;
}
}
return r;
}
containHistoryPath(arr) {//从历史路径中查找是否已经存在下一步要走的路径
var r = false;
var historyPath = this.state.historyPath;
for (var i = historyPath.length - 1; i >= 0; i--) {
r = historyPath[i].toString().indexOf(arr.toString()) !== -1;
if (r) {
break;
}
}
return r;
}
render() {
return (
<div>
<div style={{ margin: "50px auto 0px auto", width: (this.state.width * this.state.x) + "px", minWidth: "700px" }}>
<div className="control">
<button type="button" onClick={() => this.start()}>开始</button>
<button type="button" onClick={() => this.stop()}>暂停</button>
<button type="button" onClick={() => this.start()}>继续</button>
<button type="button" onClick={() => this.step()}>单步</button>
<apan style={{ margin: "0px auto 0px 10px", width: "120px", display: "inline-block" }}>尝试次数:{this.state.historyPath.length}</apan>
<apan style={{ margin: "0px auto 0px 10px" }}>速度:</apan>
<button style={this.state.speed === 1000 ? { backgroundColor: "#61dafb" } : {}} type="button" onClick={() => this.speed(1000)}>极慢</button>
<button style={this.state.speed === 500 ? { backgroundColor: "#61dafb" } : {}} type="button" onClick={() => this.speed(500)}>慢</button>
<button style={this.state.speed === 100 ? { backgroundColor: "#61dafb" } : {}} type="button" onClick={() => this.speed(100)}>中</button>
<button style={this.state.speed === 50 ? { backgroundColor: "#61dafb" } : {}} type="button" onClick={() => this.speed(50)}>快</button>
<button style={this.state.speed === 5 ? { backgroundColor: "#61dafb" } : {}} type="button" onClick={() => this.speed(5)}>极快</button>
<apan style={{ margin: "0px auto 0px 10px", width: "50px", display: "inline-block" }}></apan>
<button style={this.state.random ? { backgroundColor: "#61dafb" } : {}} type="button" onClick={() => this.random()}>随机</button><br />
</div>
<div className="control2">
<button style={{ width: "80px" }} type="button" onClick={() => this.addheight(1)}>增加行+</button>
<button style={{ width: "80px" }} type="button" onClick={() => this.addwidth(1)}>增加列+</button>
<button style={{ width: "80px" }} type="button" onClick={() => this.big(1)}>放大+</button><br />
<button style={{ width: "80px" }} type="button" onClick={() => this.addheight(-1)}>减少行-</button>
<button style={{ width: "80px" }} type="button" onClick={() => this.addwidth(-1)}>减少列-</button>
<button style={{ width: "80px" }} type="button" onClick={() => this.big(-1)}>缩小-</button>
</div>
<Grid x={this.state.x} width={this.state.width} height={this.state.height} arr={this.state.arr} /> </div>
</div > )
}
addwidth(n) {
this.stop();
var width = this.state.width;
width = width + n;
if (width > 0 && width * this.state.x <= 1000) {
var matrix = this.init(width,this.state.height);
var start = Math.floor(Math.random() * width * this.state.height + 1);
this.setState({
matrix : matrix,
start: start,
arr: [start],
historyPath: [],
width: width
});
} else {
this.setState({
width: Math.floor(1000 / this.state.x),
});
}
}
addheight(n) {
this.stop();
var height = this.state.height;
height = height + n;
if (height > 0 && height * this.state.x <= 500) {
var matrix = this.init(this.state.width,height);
var start = Math.floor(Math.random() * this.state.width * height + 1);
this.setState({
matrix:matrix,
start: start,
arr: [start],
historyPath: [],
height: height
});
} else {
this.setState({
height: Math.floor(500 / this.state.x),
});
}
}
big(n) {
var x = this.state.x;
x = x + n;
if (x > 0 && ((x * this.state.width <= 1000) || (x*this.state.height<=500)) ){
this.setState({
x: x
});
} else {
this.setState({
x: Math.floor(x * this.state.width > x*this.state.height?1000/this.state.width:500/this.state.height)
});
}
}
// shouldComponentUpdate(nextProps, nextState){
// return nextState.arr.length>100;
// }
step() {
this.stop();
this.handle();
}
start() {
var timeID = this.state.timeID;
if (timeID === 0) {
timeID = setInterval(
() => this.handle(),
this.state.speed
);
}
this.setState({
timeID: timeID
});
}
stop() {
var timeID = this.state.timeID;
if (timeID !== 0) {
clearInterval(timeID);
}
this.setState({
timeID: 0
});
}
componentDidMount() {
var matrix = [[0, 1, 2, 3, 4]];
var width = this.state.width;
var height = this.state.height;
for (var numb = 1; numb <= width * height; numb++) {
var up = numb > width ? numb - width : 0;
var right = (numb % width) !== 0 ? numb + 1 : 0;
var down = numb <= width * (height - 1) ? numb + width : 0;
var left = ((numb - 1) % width) !== 0 ? numb - 1 : 0;
var arr = [numb];
arr.push(up);
arr.push(right);
arr.push(down);
arr.push(left);
matrix.push(arr);
}
}
speed(n) {
var timeID = this.state.timeID;
clearInterval(timeID);
timeID = 0;
timeID = setInterval(
() => this.handle(),
n
);
this.setState({
timeID: timeID,
speed: n
});
}
random() {
this.setState({
random: !this.state.random
});
} sleep(numberMillis) {
var now = new Date();
var exitTime = now.getTime() + numberMillis;
while (true) {
now = new Date();
if (now.getTime() > exitTime)
return true;
}
}
} export default AppDemo;

5 X 5 方阵引出的寻路算法 之 路径遍历(完结)的更多相关文章

  1. JS算法之A*(A星)寻路算法

    今天写一个连连看的游戏的时候,接触到了一些寻路算法,我就大概讲讲其中的A*算法. 这个是我学习后的一点个人理解,有错误欢迎各位看官指正. 寻路模式主要有三种:广度游戏搜索.深度优先搜索和启发式搜索. ...

  2. 寻路算法之A*算法详解

    前言 在实际开发中我们会经常用到寻路算法,例如MMOARPG游戏魔兽中,里面的人物行走为了模仿真实人物行走的体验,会选择最近路线达到目的地,期间会避开高山或者湖水,绕过箱子或者树林,直到走到你所选定的 ...

  3. A星寻路算法介绍

    你是否在做一款游戏的时候想创造一些怪兽或者游戏主角,让它们移动到特定的位置,避开墙壁和障碍物呢? 如果是的话,请看这篇教程,我们会展示如何使用A星寻路算法来实现它! 在网上已经有很多篇关于A星寻路算法 ...

  4. A*寻路算法探究

    A*寻路算法探究 A*算法常用在游戏的寻路,是一种静态网路中求解最短路径的搜索方法,也是解决很多搜索问题的算法.相对于Dijkstra,BFS这些算法在复杂的搜索更有效率.本文在U3D中进行代码的测试 ...

  5. A*寻路算法

    对于初学者而言,A*寻路已经是个比较复杂的算法了,为了便于理解,本文降低了A*算法的难度,规定只能横竖(四方向)寻路,而无法直接走对角线,使得整个算法更好理解. 简而言之,A*寻路就是计算从起点经过该 ...

  6. 算法:Astar寻路算法改进,双向A*寻路算法

    早前写了一篇关于A*算法的文章:<算法:Astar寻路算法改进> 最近在写个js的UI框架,顺便实现了一个js版本的A*算法,与之前不同的是,该A*算法是个双向A*. 双向A*有什么好处呢 ...

  7. 算法:Astar寻路算法改进

    早前写了一篇<RCP:gef智能寻路算法(A star)> 出现了一点问题. 在AStar算法中,默认寻路起点和终点都是N x N的方格,但如果用在路由上,就会出现问题. 如果,需要连线的 ...

  8. js实现A*寻路算法

    这两天在做百度前端技术学院的题目,其中有涉及到寻路相关的,于是就找来相关博客进行阅读. 看了Create Chen写的理解A*寻路算法具体过程之后,我很快就理解A*算法的原理.不得不说作者写的很好,通 ...

  9. 用简单直白的方式讲解A星寻路算法原理

    很多游戏特别是rts,rpg类游戏,都需要用到寻路.寻路算法有深度优先搜索(DFS),广度优先搜索(BFS),A星算法等,而A星算法是一种具备启发性策略的算法,效率是几种算法中最高的,因此也成为游戏中 ...

随机推荐

  1. C语言指针专题——使用指针要注意这些

    本文为原创,欢迎转发: 欢迎关注微博与微信号:C语言编程技术分享 C语言中,指针的概念有点难懂,使用起来稍微不注意,也会遇到各种问题.在本文中,我列举出了几个使用指针不当的方式,希望朋友们在编程实践中 ...

  2. Ray聊天记录

    由于工作变动,Ray的文档.示例没有及时更新,深表歉意.在Ray升级后,性能较几个月前有了非常大的提升,也更具易用性.这是QQ交流群里大家的聊天记录,跟大家分享一下(由于时间仓促群里大家的聊天记录没有 ...

  3. BAT的人都是怎么学习的

    不知道你发现没,在技术领域走在前列的人,基本都符合一个条件:保持对新技术的敏感度,还能定期更新自己的技能储备. 要做到这一点,最高效的办法就是直接跟 BAT 等一线大厂取经.说白了,平台足够大,就有更 ...

  4. Excel催化剂开源第30波-在Excel上尽情地使用LINQ

    对于笔者这样的数据分析工作者来说,对数据库有较深的掌握,当然少不了对SQL查询的深度使用,如果在编程的世界中,可以复用这样的能力,真的是一件多么令人高兴的事情. 在.Net的世界中,恰恰提供了这样的能 ...

  5. kafka学习(二)-------- 什么是Kafka

    通过Kafka的快速入门 https://www.cnblogs.com/tree1123/p/11150927.html 能了解到Kafka的基本部署,使用,但他和其他的消息中间件有什么不同呢? K ...

  6. 微信小程序post 服务端无法获得参数问题

    header中需要改为 "Content-Type": "application/x-www-form-urlencoded"

  7. C#命名规范(简述)

    命名空间,类,事件,接口,常量,属性,方法使用Pascal命名,即首字母大写  参数,变量(类字段)使用camel命名法,即首字母小写. Pascal 方式--所有单词第一个字母大写,其他字母小写.  ...

  8. 实现简单的 IOC 和 AOP

    1 简单的 IOC 1.1 简单的 IOC 容器实现的步骤 加载 xml 配置文件,遍历其中的标签 获取标签中的 id 和 class 属性,加载 class 属性对应的类,并创建 bean 遍历标签 ...

  9. 性能测试-loadrunner参数化

    工具:loadrunner11 ie8 场景:不同用户的登录 1.参数化功能: 让脚本使用批量的变化的数据测试,实现模拟不同数据/用户的行为 函数格式:返回值类型 函数名称(参数类型 参数,参数类型 ...

  10. [NLP] 相对位置编码(一) Relative Position Representatitons (RPR) - Transformer

    对于Transformer模型的positional encoding,最初在Attention is all you need的文章中提出的是进行绝对位置编码,之后Shaw在2018年的文章中提出了 ...