亲宝软件园·资讯

展开

Java深度优先遍历

炒鸡辣鸡123 人气:0

什么是深度优先

什么是深度,即向下,深度优先,即向下优先,一口气走到底,走到底发现没路再往回走。

在算法实现上来讲,深度优先可以考虑是递归的代名词,深度优先搜索必然需要使用到递归的思路。

有的人可能会说了,我可以用栈来实现,以迭代的方式,那么问题来了,栈这种数据结构,同学们认为是否也囊括了递归呢?Java语言的方法区本身也是实现在一个栈空间上的。

一个简单的例子

我们以一个简单的迷宫为例,以1代表墙,0代表路径,我们构造一个具有出入口的迷宫。

1 1 0 1 1 1 1 1 1

1 0 0 0 0 0 0 1 1

1 0 1 1 1 1 0 1 1

1 0 0 0 0 1 0 0 1

1 1 1 1 1 1 1 0 1

以上面这个0为入口,下面这个0为出口,那么深度优先的算法遍历顺序,方向的遍历顺序为左下右上,以dp[0][2]为入口,我把这个过程列在下面了:

第一步:

dp[0][2] -> dp[1][2]

第二步:

dp[1][2] -> dp[1][1]

第三步:

dp[1][1] -> dp[2][1]

第四步:

dp[2][1] -> dp[3][1]

第五步:

dp[3][1] -> dp[3][2]

第六步:

dp[3][2] -> dp[3][3]

第七步:

dp[3][3] -> dp[3][4]

第八步:

dp[3][4] -> dp[3][5] 由于 dp[3][5]是墙,所以深度优先算法需要开始回退,最终会回退到dp[1][2]这个位置,然后向右走

第八步:

dp[1][2] -> dp[1][3]

第九步:

dp[1][3] -> dp[1][4]

第十步:

dp[1][4] -> dp[1][5]

第十一步:

dp[1][5] -> dp[1][6]

第十二步:

dp[1][6] -> dp[2][6]

第十三步:

dp[2][6] -> dp[3][6]

第十四步:

dp[3][6] -> dp[3][7]

第十五步:

dp[3][7] -> dp[4][7] 终点,程序退出

可以发现,深度优先算法有点像我们的人生,需要不断试错,错了就退,直到找到一条通往出口的路。

现在让我们动手用代码实现一下上面的步骤吧。

程序实现

以深度优先的方式解决这个问题,主要考虑两点,首先是如何扩展节点,我们的顺序是左,下,右,上,那么,应该以什么样的方式实现这个呢?第二点,就是如何实现深度优先,虽然原理上肯定是递归,但是应该如何递归呢?要解决这两个问题,请看示例代码,以Java为例:

package com.chaojilaji.book;

import com.chaojilaji.book.util.InputUtils;

import java.util.HashSet;
import java.util.Set;

import static com.chaojilaji.book.util.CheckUtils.canAdd;

public class Dfs {

    public static Integer dfs(String[][] a, int currentX, int currentY, int chux, int chuy, Set<Integer> cache) {
        System.out.println(currentY + " " + currentX);
        if (currentX == chux && currentY == chuy) {
            return 1;
        }
        // TODO: 2022/1/11 枚举子节点,左 下 右 上
        int[] x = new int[]{-1, 0, 1, 0};
        int[] y = new int[]{0, 1, 0, -1};
        for (int i = 0; i < 4; i++) {
            if (canAdd(a, currentX + x[i], currentY + y[i], cache)) {
                Integer tmp = dfs(a, currentX + x[i], currentY + y[i], chux, chuy, cache);
                if (tmp != 0) {
                    System.out.println(currentY + " " + currentX + " 结果路径");
                    return tmp + 1;
                }
            }
        }
        System.out.println(currentY + " " + currentX + " 回滚");
        return 0;
    }

    public static Integer getAns(String[][] a) {
        int m = a[0].length;
        int n = a.length;
        int rux = -1, ruy = 0;
        int chux = -1, chuy = n - 1;
        for (int i = 0; i < m; i++) {
            if (a[0][i].equals("0")) {
                // TODO: 2022/1/11 找到入口
                rux = i;
            }
            if (a[n - 1][i].equals("0")) {
                chux = i;
            }
        }
        Set<Integer> cache = new HashSet<>();
        cache.add(rux * 100000 + ruy);
        System.out.println("打印行走过程");
        return dfs(a, rux, ruy, chux, chuy, cache)-1;
    }

    public static void demo() {
        String x = "1  1  0  1  1  1  1  1  1\n" +
                "1  0  0  0  0  0  0  1  1\n" +
                "1  0  1  1  1  1  0  1  1\n" +
                "1  0  0  0  0  1  0  0  1\n" +
                "1  1  1  1  1  1  1  0  1";
        String[][] a = InputUtils.getInput(x);
        Integer ans = getAns(a);
        System.out.println(ans == -1 ? "不可达" : "可达,需要行走" + ans + "步");

    }

    public static void main(String[] args) {
        demo();
    }

}

这里的canAdd方法是临界判断函数,如下:

/**
     * 临界判断
     * @param a
     * @param x
     * @param y
     * @param cache
     * @return
     */
public static Boolean canAdd(String[][] a, Integer x, Integer y, Set<Integer> cache) {
    int m = a[0].length;
    int n = a.length;
    if (x < 0 || x >= m) {
        return false;
    }
    if (y < 0 || y >= n) {
        return false;
    }
    if (a[y][x].equals("0") && !cache.contains(x * 100000 + y)) {
        cache.add(x * 100000 + y);
        return true;
    }
    return false;
}

可以瞧见,这里面最核心的代码在于dfs这个函数,让我们来深入分析一波

public static Integer dfs(String[][] a, int currentX, int currentY, int chux, int chuy, Set<Integer> cache) {
    System.out.println(currentY + " " + currentX);
    if (currentX == chux && currentY == chuy) {
        return 1;
    }
    // TODO: 2022/1/11 枚举子节点,左 下 右 上
    int[] x = new int[]{-1, 0, 1, 0};
    int[] y = new int[]{0, 1, 0, -1};
    for (int i = 0; i < 4; i++) {
        if (canAdd(a, currentX + x[i], currentY + y[i], cache)) {
            Integer tmp = dfs(a, currentX + x[i], currentY + y[i], chux, chuy, cache);
            if (tmp != 0) {
                System.out.println(currentY + " " + currentX + " 结果路径");
                return tmp + 1;
            }
        }
    }
    System.out.println(currentY + " " + currentX + " 回滚");
    return 0;
}

首先,dfs深度优先,首先应该写的是判断终止条件,这里的终止条件就是到达终点,即目前的横纵坐标等于出口的横纵坐标。

然后,我们利用两个方向数组作为移动方案,也就是

// TODO: 2022/1/11 枚举子节点,左 下 右 上
    int[] x = new int[]{-1, 0, 1, 0};
    int[] y = new int[]{0, 1, 0, -1};
    for (int i = 0; i < 4; i++) {
        if (canAdd(a, currentX + x[i], currentY + y[i], cache)) {
        }
    }

这种方法,是数组类型的移动方式的兼容写法,不管你的移动方向有多少,都可以配在x和y两个数组中。定义了四个方向,现在我们需要思考递归的过程。

既然我完成的时候是返回1,那么其实如果在这条路上的所有都应该加1,所以,就有了下面的判断

if (canAdd(a, currentX + x[i], currentY + y[i], cache)) {
    Integer tmp = dfs(a, currentX + x[i], currentY + y[i], chux, chuy, cache);
    if (tmp != 0) {
        System.out.println(currentY + " " + currentX + " 结果路径");
        return tmp + 1;
    }
}

当子dfs出来的结果不为0,说明该子dfs是可以到达出口的,那么直接把结果加1返回给上层即可。如果子dfs出来的结果为0,说明该子dfs是不能到达出口的,就直接返回0即可。

加载全部内容

相关教程
猜你喜欢
用户评论