问题引入

我们接着上次“解救小哈”的问题继续探索,不过这次是用宽度优先搜索(BFS)。

注:问题来源可以点击这里 http://www.cnblogs.com/OctoptusLian/p/7429645.html

最开始小哼在入口(1,1)处,一步之内可以到达的点有(1,2)和(2,1)。

但是小哈并不在这两个点上,那小哼只能通过(1,2)和(2,1)这两点继续往下走。

比如现在小哼走到了(1,2)这个点,之后他又能够到达哪些新的点呢?有(2,2)。再看看通过(2,1)又可以到达哪些点呢?可以到达(2,2)和(3,1)。

此时你会发现(2,2)这个点既可以从(1,2)到达,也可以从(2,1)到达,并且都只使用了两步。

注:为了防止一个点多次被走到,这里需要一个数组来记录一个点是否已经被走到过。

此时小哼2步可以走到的点就全部走到了,有(2,2)和(3,1),可是小哈并不在这两个点上。看来没有别的办法,还得继续往下尝试,看看通过(2,2)和(3,1)这两个点还能到达哪些新的没有走到过的点。

通过(2,2)这个点我们可以到达(2,3)和(3,2),通过(3,1)可以到达(3,2)和(4,1)。

现在三步可以到达的点有(2,3)、(3,2)和(4,1),依旧没有到达小哈的所在点,所以我们需要继续重复刚才的做法,直到找到小哈所在点为止。

解决步骤

回顾一下刚才的算法,可以用一个队列来模拟这个过程。在这里我们用一个结构体来实现队列

struct note{int x;  //横坐标int y;  //纵坐标int s;  //步数
};
struct note que[2501];  //因为地图大小不超过50*50,因此队列扩展不会超过2500个
int head,tail;
int a[51][51] = {0};  //用来存储地图
int book[51][51] = {0};  //数组book的作用是记录哪些点已经在队列中了,防止一个点被重复扩展,并全部初始化为0/*最开始的时候需要进行队列初始化,即将队列设置为空*/
head = 1;
tail = 1;
//第一步将(1,1)加入队列,并标记(1,1)已经走过。
que[tail].x = 1;
que[tail].y = 1;
que[tail].s = 0;
tail++;
book[1][1] = 1;

然后从(1,1)开始,先尝试往右走到达了(1,2)。

tx = que[head].x;
ty = que[head].y+1;

需要判断(1,2)是否越界。

if(tx < 1 || tx > n || ty < 1 || ty > m)continue;

再判断(1,2)是否为障碍物或者已经在路径中。

if(a[tx][ty] == 0 && book[tx][ty] == 0)
{
}

如果满足上面的条件,则将(1,2)入队,并标记该点已经走过。

book[tx][ty] = 1;  //注意bfs每个点通常情况下只入队一次,和深搜不同,不需要将book数组还原
//插入新的点到队列中
que[tail].x = tx;
que[tail].y = ty;
que[tail].s = que[head].s+1;  //步数是父亲的步数+1
tail++; 

接下来还要继续尝试往其他方向走。

在这里我们规定一个顺序,即按照顺时针的方向来尝试(右→下→左→上)。

我们发现从(1,1)还是可以到达(2,1),因此也需要将(2,1)也加入队列,代码实现与刚才对(1,2)的操作是一样的。

对(1,1)扩展完毕后,此时我们将(1,1)出队(因为扩展完毕,已经没用了)。

head++;

接下来我们需要在刚才新扩展出的(1,2)和(2,1)这两个点上继续向下探索(因为还没有到达小哈所在的位置,所以还需要继续)。

(1,1)出队之后,现在队列的head正好指向了(1,2)这个点,现在我们需要通过这个点继续扩展,通过(1,2)可以到达(2,2),并将(2,2)也加入队列。

(1,2)这个点已经处理完毕,于是可以将(1,2)出队。(1,2)出队之后,head指向了(2,1)这个点。通过(2,1)可以到达(2,2)和(3,1),但是因为(2,2)已经在队列中,因此我们只需要将(3,1)入队。

到目前为止我们已经扩展出从起点出发2步以内可以到达的所有点,可是依旧没有到达小哈所在的位置,因此还需要继续扩展,直到找到小哈所在的点才算结束。

为了方便向四个方向扩展,这里需要一个next数组:

int next[4][2] = {  //顺时针方向 {0,1};  //向右走 {1,0};  //向下走 {0,-1};  //向左走 {-1,0};  //向上走
}

完整代码如下

#include<stdio.h>
struct note{int x;  //横坐标int y;  //纵坐标int f;  //父亲在队列中的编号(本题不需要输出路径,可以不需要f) int s;  //步数
};
int main()
{struct note que[2501];  //因为地图大小不超过50*50,因此队列扩展不会超过2500个int a[51][51] = {0};  //用来存储地图 int book[51][51] = {0};  //数组book的作用是记录哪些点已经在队列中了,防止一个点被重复扩展,并全部初始化为0//定义一个用于表示走的方向的数组int next[4][2] = {  //顺时针方向 {0,1}, //向右走 {1,0},  //向下走 {0,-1},  //向左走 {-1,0},  //向上走
    };int head,tail;int i,j,k,n,m,startx,starty,p,q,tx,ty,flag;scanf("%d %d",&n,&m);for(i=1;i<=n;i++)for(j=1;j<=m;j++)scanf("%d",&a[i][j]);scanf("%d %d %d %d",&startx,&starty,&p,&q);//队列初始化head = 1;tail = 1;//往队列插入迷宫入口坐标 que[tail].x = startx;que[tail].y = starty;que[tail].f = 0;que[tail].s = 0;tail++;book[startx][starty] = 1;flag = 0;  //用来标记是否到达目标点,0表示暂时没有到达, 1表示已到达while(head < tail){  //当队列不为空时循环 for(k=0;k<=3;k++)  //枚举四个方向
        {//计算下一个点的坐标 tx = que[head].x + next[k][0];ty = que[head].y + next[k][1];if(tx < 1 || tx > n || ty < 1 || ty > m)  //判断是否越界 continue;if(a[tx][ty] == 0 && book[tx][ty] == 0)  //判断是否是障碍物或者已经在路径中
                {book[tx][ty] = 1;  //把这个点标记为已经走过。注意bfs每个点通常情况下只入队一次,和深搜不同,不需要将book数组还原//插入新的点到队列中que[tail].x = tx;que[tail].y = ty;que[tail].f = head;  //因为这个点是从head扩展出来的,所以它的父亲是head,本题不需要求路径,因此可省略 que[tail].s = que[head].s+1;  //步数是父亲的步数+1tail++; }if(tx == p && ty == q)  //如果到目标点了,停止扩展,任务结束,退出循环
            {flag = 1;  //重要!两句不要写反 break;}}if(flag == 1)break;head++;  //当一个点扩展结束后,才能对后面的点再进行扩展
    }    printf("%d",que[tail-1].s);  //打印队列中末尾最后一个点,也就是目标点的步数 //注意tail是指向队列队尾(最后一位)的下一个位置,所以这里需要减1
    getchar();getchar();return 0;
}

第一行有两个数n m,n表示迷宫的行数,m表示迷宫的列数。

接下来n行m列为迷宫,0表示空地,1表示障碍物。

最后一行四个数,前两个数表示迷宫入口的x和y坐标,后两个为小哈的x和y坐标。

写在最后

通过本次学习,我们知道一道问题的解决方法是多种多样的,不光可以用深度优先搜索来解,也可以用宽度优先搜索。

个人感觉宽度优先搜索就像是一次病原体的扩散,目的是要以最短的速度扩散到最广的范围。

注:文章内容源自《啊哈算法》

层层递进——宽度优先搜索(BFS)相关推荐

  1. 广度/宽度优先搜索(BFS)详解

    1.前言 广度优先搜索(也称宽度优先搜索,缩写BFS,以下采用广度来描述)是连通图的一种遍历策略.因为它的思想是从一个顶点V0开始,辐射状地优先遍历其周围较广的区域,故得名. 一般可以用它做什么呢?一 ...

  2. 【算法入门】广度/宽度优先搜索(BFS)

    广度/宽度优先搜索(BFS) [算法入门] 郭志伟@SYSU:raphealguo(at)qq.com 2012/04/27 1.前言 广度优先搜索(也称宽度优先搜索,缩写BFS,以下采用广度来描述) ...

  3. (宽度优先搜索)bfs(包含所有模型)

    持续更新中(点个赞吧) 首先,我们要了解什么是bfs: 宽度优先搜索算法(又称广度优先搜索)是最简便的图的搜索算法之一,这一算法也是很多重要的图的算法的原型. 其实bfs是盲目的搜索周围,知道搜到目的 ...

  4. 图/树——宽度优先搜索(BFS)

    转载 宽度优先搜索(BFS, Breadth First Search)是一个针对图和树的遍历算法.发明于上世纪50年代末60年代初,最初用于解决迷宫最短路径和网络路由等问题. 对于下面的树而言,BF ...

  5. 野人与传教士——宽度优先搜索(完整报告,含全部代码)

    题目: 野人与传教士渡河问题:3个野人与3个传教士打算乘一条船到对岸去,该船一次最多能运2个人,在任何时候野人人数超过传教士人数,野人就会把传教士吃掉,如何用这条船把所有人安全的送到对岸?在实现基本程 ...

  6. 深度优先搜索和宽度优先搜索

    深度优先搜索和宽度优先搜索 bfs和dfs都是遍历图的方法.dfs是不撞南墙不回头,bfs慢慢来,一层一层来. 类型 空间(h为高度) 时间(h为高度) 采用的数据结构 特点 DFS O(h) O( ...

  7. 【BFS宽度优先搜索】

    一.求所有顶点到s顶点的最小步数   1 //BFS宽度优先搜索 2 #include<iostream> 3 using namespace std; 4 #include<que ...

  8. 数据结构与算法—图论之dfs、bfs(深度优先搜索、宽度优先搜索)

    文章目录 前言 邻接矩阵和邻接表 深度优先搜索(dfs) 宽度(广度)优先搜索(bfs) 总结与比较 前言 在有向图和无向图中,如果节点之间无权值或者权值相等,那么dfs和bfs时常出现在日常算法中. ...

  9. BFS(宽度优先搜索、广度优先搜索)

    宽度优先搜索算法(又称广度优先搜索)是最简便的图的搜索算法之一,这一算法也是很多重要的图的算法的原型.Dijkstra单源最短路径算法和Prim最小生成树算法都采用了和宽度优先搜索类似的思想.其别名又 ...

最新文章

  1. python name is not defined_PythonNameError: global name 'NAME' is not not defined这个问题怎么解决?...
  2. Git远程库版本回滚
  3. Python中if条件判断语句的用法!
  4. PHP计算表达式-栈
  5. 一个不成功人士的“成功之道”
  6. opencvpython教程百度云资源_Python+OpenCV图像处理入门,视频教程下载
  7. python调用ansysworkbench_Workbench通过Python设定材料参数
  8. 数据挖掘决策树python_机器学习之决策树ID3(python实现)
  9. Java 自动化测试工具Selenium
  10. html 圆圈项目符号,html5 项目符号
  11. IBM服务器RAID5
  12. 帆软(FineReport)---- 数据决策系统的基本配置
  13. 【渝粤题库】国家开放大学2021春2114人体解剖生理学题目
  14. office版本比较
  15. 把Linux系统装在U盘上
  16. 图片/文字间隙去除方法(html)
  17. 项目管理 | 如何进行项目风险识别?
  18. 浅谈人生中的失败与成功
  19. SQL必知必会【笔记】
  20. saas和pass有啥区别

热门文章

  1. log4j配置(转)
  2. 杨元:CSS浮动(float,clear)通俗讲解
  3. http请求消息体和响应消息体
  4. Dell Inspiron 6400上安装Fedora 5后使声卡义务正常的方法
  5. 前端开发那些不常见但十分有效的小玩意
  6. 为什么那么多自学WEB前端的人后来都放弃了?
  7. 成为最差前端开发的10个建议,唉!传递负能量了
  8. 20道有代表性的HTML基础题,测测你能入前端的门吗
  9. 二维数组初始化为0的方式
  10. Hook鼠标和键盘的使用