0
点赞
收藏
分享

微信扫一扫

[广度优先搜索]python实现

月白色的大狒 2022-04-04 阅读 96

广度优先搜索(Breadth First Search,简称bfs)是属于图论的一种,广泛应用于数据结构的搜索,通常用于解决一些最短路径的问题。

广度优先搜索的核心思路是:确定一个或多个源点,以这些源点为起点向外发散,确定下一步可能会走到的所有点(必要时可使用哈希去重,记录走过的点,因为有些时候bfs可能会进入死循环,并且可以验证:一个点若在第n次遍历时走到过,此后的任意一次遍历走到的这个点必然没有第一次走到的时候快),将这些点当成源点,再进行一次扩散,如此往复以找到最短路径。

模板代码:

present = [start]  # 起始点(一个点或多个点)
num = 0  # 从起始点到目标点需要走的次数
visited = set()  # 去重

while present:
    future = []  # 创建一个空列表用来储存扩散点
    
    for i in present:  # 遍历源点,扩散寻找
        for x, y in [1, 0], [0, 1], [-1, 0], [0, -1]:  # 以一个点的走法为上下左右为例
            if (present[0] + x, present[1] + y) in visited:  # 去重
                continue
            if ...:  # 判断能否由起始点走到该扩散点,如图的大小限制或障碍物等
                visited.add((present[0] + x, present[1] + y))  # 将走过的点记录
                future.append((present[0] + x, present[1] + y))  # 将可以走到的点加入扩散点列表中
                
    present = future  # 将此次的扩散点作为下一次的起始点
    num += 1  # 走的步数 + 1

思路:这题要我们求锁的最小旋转次数,所以我们可以优先考虑广度优先搜索。

代码实现:

class Solution(object):
    def openLock(self, deadends, target):
        """
        :type deadends: List[str]
        :type target: str
        :rtype: int
        """
        lock = set()
        for i in deadends:
            lock.add(i)  # 将无法转到的锁组合加入集合中,避免后续取到

        present = ["0000"]  # 起始点
        visited = set()  # 定义去重集合
        num = 0

        while present:
            future = []

            for q in present:
                if q == target:  # 说明找到了,返回答案
                    return num

                if q not in visited:  # 去重
                    visited.add(q)
                    if q in lock:  # 如果取到了死亡数字,则跳过
                        continue

                    for i in range(4):  # 锁的每一个数字一共有两种取法,第一种+1第二种-1,注意对10取余以免超出范围
                        f = list(q)
                        f[i] = str((int(f[i]) + 1) % 10)
                        future.append("".join(f))
                        f[i] = str((int(f[i]) + 8) % 10)  # 防止取到负数,用+8代替-1
                        future.append("".join(f))

            present = future
            num += 1

        return -1

希望我的分享对您有所帮助!

举报

相关推荐

0 条评论