iT邦幫忙

2019 iT 邦幫忙鐵人賽

DAY 23
0
Software Development

30天學演算法和資料結構系列 第 23

[資料結構] 圖的廣度優先走訪 (Breadth-first Search)

  • 分享至 

  • xImage
  •  

昨天有深度,今天有廣度,人生難過沒法度~ (好難笑...呵呵)

今天就用這張圖來開啟主題。
https://ithelp.ithome.com.tw/upload/images/20181107/20111557AN8tmkZHw4.png
這是一個無向圖,比較接近現實中的地圖。今天我們要從 1 號城市搭飛機到 5 號城市,請問要怎麼搭轉機次數最少呢?

當然,我們用看的就可以知道先從 1 號飛到 3 號,再飛到 5 號,但電腦要怎麼判別?

首先,先把圖的資訊存入二為矩陣(e)。

  1 2 3 4 5
1 0 1 1
2 1 0 1 1
3 1 1 0 1 1
4 1 1 0 1
5 1 1 0

再用兩個佇列來一一擴展

首先可以從 1 號到達 2 號和 3 號城市。

x 1 2 3        
step 0 1 1        
2 號城市又可以到達 3 號和 4 號城市,但 3 號已經在佇列中,所以只需將 4 號加入到佇列。
x 1 2 3 4      
- - - - - - - -
step 0 1 1 2      
接著 3 號城市又可以到達 4 號城市和 5 號城市,因為 4 號也已經在佇列中,所以只需將 5 號加入。
x 1 2 3 4 5    
- - - - - - - -
step 0 1 1 2 2    
找到 5 號城市,演算法就結束啦。可以想一想,為什麼一擴展到 5 號城市就可以結束,而之前的深度優先搜尋卻不行呢? (答案我不告訴你,哈哈)

全部程式碼

import numpy as np

'''
輸入驗證資料:
5 7 1 5
1 2
1 3
2 3
2 4
3 4
3 5
4 5
'''
class note:
	def __init__(self):
		self.x = np.zeros(2501, dtype=np.int) #城市編號
		self.s = np.zeros(2501, dtype=np.int) #轉機次數

que = note()
book = np.zeros(51, dtype=np.int)
e = np.zeros((51,51), dtype=np.int)

flag = 0

n, m, start, end = map(int, input().split(' '))
# 初始化二維矩陣
for i in range(1, n+1):
	for j in range(1, n+1):
		if i==j:
			e[i][j]=0
		else:
			e[i][j]=99999999
#讀入城市間的航班
for i in range(1, m+1):
	a, b = map(int, input().split(' '))
	#這邊是無相圖!!!
	e[a][b]=1
	e[b][a]=1

#佇列初始化
head = 1
tail = 1

#從start城市出發,並加入到佇列
que.x[tail] = start
que.s[tail] = 0
tail += 1
book[1] = start #標記已加入佇列中

#當佇列不為空
while head<tail :
	cur = que.x[head] #目前佇列中首城市的編號
	for j in range(1, n+1): #從1~n依次嘗試
		#判斷從城市cur到城市j是否有航班,並判斷城市j是否已經在佇列中
		if e[cur][j] != 99999999 and book[j]==0 :
	    	#如果從城市cur到城市j有航班且城市j不在佇列中,則將j城市加入佇列
			que.x[tail] = j
			que.s[tail] = que.s[head] +1 #轉機次數+1
			tail +=1
			book[j]=1 #標記城市已在佇列中

		#如果到達目標城市,停止擴展,任務結束,退出迴圈
		if que.x[tail] == end:
			flag = 1
			break
	if flag ==1:
		break

	# 當一個擴展結束後,要head++才能對後面的點再進行擴展
	head += 1

# 列印佇列中末尾最後一個點(目標城市)的步數,但tail是指向佇列尾的下一個位置,所以要-1
print (que.s[tail-1])

其實用深度優先搜尋也是可以解決問題的,但這邊用廣度優先搜尋會比較快。因為廣度優先搜尋比較適合用在所有邊的權重都相同的情況


上一篇
[資料結構] 圖的深度優先走訪 (Depth-first Search )
下一篇
[資料結構] 雜湊 (Hash)
系列文
30天學演算法和資料結構31
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言