次の例のように、幅優先検索のパスをどのように追跡しますか。
keyを検索する場合は11
、1から11を結ぶ最短のリストを返します。
[1, 4, 7, 11]
次の例のように、幅優先検索のパスをどのように追跡しますか。
keyを検索する場合は11
、1から11を結ぶ最短のリストを返します。
[1, 4, 7, 11]
回答:
最初にhttp://en.wikipedia.org/wiki/Breadth-first_searchを確認する必要があります。
以下は、パスのキューを表すためにリストのリストを使用した簡単な実装です。
# graph is in adjacent list representation
graph = {
'1': ['2', '3', '4'],
'2': ['5', '6'],
'5': ['9', '10'],
'4': ['7', '8'],
'7': ['11', '12']
}
def bfs(graph, start, end):
# maintain a queue of paths
queue = []
# push the first path into the queue
queue.append([start])
while queue:
# get the first path from the queue
path = queue.pop(0)
# get the last node from the path
node = path[-1]
# path found
if node == end:
return path
# enumerate all adjacent nodes, construct a new path and push it into the queue
for adjacent in graph.get(node, []):
new_path = list(path)
new_path.append(adjacent)
queue.append(new_path)
print bfs(graph, '1', '11')
別のアプローチは、各ノードからその親へのマッピングを維持し、隣接ノードを検査するときに、その親を記録することです。検索が完了したら、親マッピングに従ってバックトレースするだけです。
graph = {
'1': ['2', '3', '4'],
'2': ['5', '6'],
'5': ['9', '10'],
'4': ['7', '8'],
'7': ['11', '12']
}
def backtrace(parent, start, end):
path = [end]
while path[-1] != start:
path.append(parent[path[-1]])
path.reverse()
return path
def bfs(graph, start, end):
parent = {}
queue = []
queue.append(start)
while queue:
node = queue.pop(0)
if node == end:
return backtrace(parent, start, end)
for adjacent in graph.get(node, []):
if node not in queue :
parent[adjacent] = node # <<<<< record its parent
queue.append(adjacent)
print bfs(graph, '1', '11')
上記のコードは、循環がないという前提に基づいています。
私はチャオの最初の答えがとても気に入りました!ここで欠けているのは、頂点を訪問済みとしてマークすることだけです。
なぜそれをする必要があるのですか?
ノード11から接続されている別のノード番号13があるとしましょう。ここでの目的はノード13を見つけることです。
少し実行すると、キューは次のようになります。
[[1, 2, 6], [1, 3, 10], [1, 4, 7], [1, 4, 8], [1, 2, 5, 9], [1, 2, 5, 10]]
末尾にノード番号10の2つのパスがあることに注意してください。
つまり、ノード番号10からのパスが2回チェックされます。この場合、ノード番号10には子がないため、それほど悪くはありません。しかし、それは本当に悪い可能性があります(ここでも、理由なしにそのノードを2回チェックします。)
ノード番号13は含まれていません。これらのパスは、プログラムが最後にノード番号10の2番目のパスに到達する前に戻らないようにします。そして、それを再チェックします。
足りないのは、訪れたノードをマークし、再度チェックしないようにするためのセットです。
これは、変更後のqiaoのコードです。
graph = {
1: [2, 3, 4],
2: [5, 6],
3: [10],
4: [7, 8],
5: [9, 10],
7: [11, 12],
11: [13]
}
def bfs(graph_to_search, start, end):
queue = [[start]]
visited = set()
while queue:
# Gets the first path in the queue
path = queue.pop(0)
# Gets the last node in the path
vertex = path[-1]
# Checks if we got to the end
if vertex == end:
return path
# We check if the current node is already in the visited nodes set in order not to recheck it
elif vertex not in visited:
# enumerate all adjacent nodes, construct a new path and push it into the queue
for current_neighbour in graph_to_search.get(vertex, []):
new_path = list(path)
new_path.append(current_neighbour)
queue.append(new_path)
# Mark the vertex as visited
visited.add(vertex)
print bfs(graph, 1, 13)
プログラムの出力は次のようになります。
[1, 4, 7, 11, 13]
不必要なことをせずに再チェック..
collections.deque
ために使用すると便利な場合があります。また、後世のために、DFSを実行したい場合は、変数を実際にのように設定します。queue
O(n)
path = queue.pop()
queue
stack
とても簡単なコード。ノードを検出するたびにパスを追加し続けます。
graph = {
'A': set(['B', 'C']),
'B': set(['A', 'D', 'E']),
'C': set(['A', 'F']),
'D': set(['B']),
'E': set(['B', 'F']),
'F': set(['C', 'E'])
}
def retunShortestPath(graph, start, end):
queue = [(start,[start])]
visited = set()
while queue:
vertex, path = queue.pop(0)
visited.add(vertex)
for node in graph[vertex]:
if node == end:
return path + [end]
else:
if node not in visited:
visited.add(node)
queue.append((node, path + [node]))
私はこれを楽しみのためにコード化しようと思いました:
graph = {
'1': ['2', '3', '4'],
'2': ['5', '6'],
'5': ['9', '10'],
'4': ['7', '8'],
'7': ['11', '12']
}
def bfs(graph, forefront, end):
# assumes no cycles
next_forefront = [(node, path + ',' + node) for i, path in forefront if i in graph for node in graph[i]]
for node,path in next_forefront:
if node==end:
return path
else:
return bfs(graph,next_forefront,end)
print bfs(graph,[('1','1')],'11')
# >>>
# 1, 4, 7, 11
サイクルが必要な場合は、これを追加できます。
for i, j in for_front: # allow cycles, add this code
if i in graph:
del graph[i]
@Qiaoの最初の回答と@Orの追加の両方が好きです。処理を少し減らすために、Orの答えに追加したいと思います。
@Orの回答では、訪問したノードを追跡することは素晴らしいことです。また、プログラムを現在よりも早く終了させることもできます。forループのある時点ではであるcurrent_neighbour
必要があり、end
それが発生すると最短経路が見つかり、プログラムが戻ることができます。
メソッドを次のように変更し、forループに細心の注意を払います
graph = {
1: [2, 3, 4],
2: [5, 6],
3: [10],
4: [7, 8],
5: [9, 10],
7: [11, 12],
11: [13]
}
def bfs(graph_to_search, start, end):
queue = [[start]]
visited = set()
while queue:
# Gets the first path in the queue
path = queue.pop(0)
# Gets the last node in the path
vertex = path[-1]
# Checks if we got to the end
if vertex == end:
return path
# We check if the current node is already in the visited nodes set in order not to recheck it
elif vertex not in visited:
# enumerate all adjacent nodes, construct a new path and push it into the queue
for current_neighbour in graph_to_search.get(vertex, []):
new_path = list(path)
new_path.append(current_neighbour)
queue.append(new_path)
#No need to visit other neighbour. Return at once
if current_neighbour == end
return new_path;
# Mark the vertex as visited
visited.add(vertex)
print bfs(graph, 1, 13)
出力と他のすべては同じになります。ただし、コードの処理時間は短くなります。これは、大きなグラフで特に役立ちます。これが将来の誰かの助けになることを願っています。