NO.65——人工智能学习：python实现广度优先搜索

目的：

学习《人工智能一种现代方法》一书，编写广度优先搜索算法。

说明：

书中算法源码：

数据结构：

frontier : 边缘。存储未扩展的节点。用队列实现。
explored : 探索。存储已访问的节点。

流程：

如果边缘为空，则返回失败。操作：EMPTY?(frontier)
否则从边缘中选择一个叶子节点。操作：POP(frontier)
将叶子节点的状态放在探索集
遍历叶子节点的所有动作

每个动作产生子节点
如果子节点的状态不在探索集或者边缘，则目标测试：通过返回。

失败则放入边缘。操作：INSERT(child, frontier)

示例代码：（参考http://blog.csdn.net/jdh99）

# -*- coding: utf-8 -*-
# /usr/bin/python
# 作者：Slash
# 实验日期：20200119
# Python版本：3.7
# 主题：基于深度优先和宽度优先的搜索算法的简单实现import pandas as pd
from pandas import Series, DataFrame# 城市信息：city1 city2 path_cost
_city_info = None# 按照路径消耗进行排序的FIFO,低路径消耗在前面
_frontier_priority = []# 节点数据结构
class Node:def __init__(self, state, parent, action, path_cost):self.state = stateself.parent = parentself.action = actionself.path_cost = path_costdef main():global _city_infoimport_city_info()while True:src_city = input('input src city\n')dst_city = input('input dst city\n')#得到某个result,子节点.state=dst_cityresult = breadth_first_search(src_city, dst_city)if not result:print('from city: %s to city %s search failure' % (src_city, dst_city))else:print('from city: %s to city %s search success' % (src_city, dst_city))path = []#这是一个回溯的过程，将result的状态从目的地到原点一步步添加到pathwhile True:path.append(result.state)if result.parent is None:breakresult = result.parentsize = len(path)for i in range(size):if i < size - 1:#print()默认打印一行且后面加换行，end=''意为末尾不换行print('%s->' % path.pop(), end='')else:print(path.pop())def import_city_info():global _city_infodata = [{'city1': 'Oradea', 'city2': 'Zerind', 'path_cost': 71},{'city1': 'Oradea', 'city2': 'Sibiu', 'path_cost': 151},{'city1': 'Zerind', 'city2': 'Arad', 'path_cost': 75},{'city1': 'Arad', 'city2': 'Sibiu', 'path_cost': 140},{'city1': 'Arad', 'city2': 'Timisoara', 'path_cost': 118},{'city1': 'Timisoara', 'city2': 'Lugoj', 'path_cost': 111},{'city1': 'Lugoj', 'city2': 'Mehadia', 'path_cost': 70},{'city1': 'Mehadia', 'city2': 'Drobeta', 'path_cost': 75},{'city1': 'Drobeta', 'city2': 'Craiova', 'path_cost': 120},{'city1': 'Sibiu', 'city2': 'Fagaras', 'path_cost': 99},{'city1': 'Sibiu', 'city2': 'Rimnicu Vilcea', 'path_cost': 80},{'city1': 'Rimnicu Vilcea', 'city2': 'Craiova', 'path_cost': 146},{'city1': 'Rimnicu Vilcea', 'city2': 'Pitesti', 'path_cost': 97},{'city1': 'Craiova', 'city2': 'Pitesti', 'path_cost': 138},{'city1': 'Fagaras', 'city2': 'Bucharest', 'path_cost': 211},{'city1': 'Pitesti', 'city2': 'Bucharest', 'path_cost': 101},{'city1': 'Bucharest', 'city2': 'Giurgiu', 'path_cost': 90},{'city1': 'Bucharest', 'city2': 'Urziceni', 'path_cost': 85},{'city1': 'Urziceni', 'city2': 'Vaslui', 'path_cost': 142},{'city1': 'Urziceni', 'city2': 'Hirsova', 'path_cost': 98},{'city1': 'Neamt', 'city2': 'Iasi', 'path_cost': 87},{'city1': 'Iasi', 'city2': 'Vaslui', 'path_cost': 92},{'city1': 'Hirsova', 'city2': 'Eforie', 'path_cost': 86}]_city_info = DataFrame(data, columns=['city1', 'city2', 'path_cost'])
# print(_city_info)def breadth_first_search(src_state, dst_state):global _city_infonode = Node(src_state, None, None, 0)# 1. 将起始点放入frontier列表frontier = [node]# 2. 建立一个explored，存放已访问的节点explored = []while True:if len(frontier) == 0:return False# 3. 将列表中的队首弹出，这样符合队列先进先出的特性node = frontier.pop(0)  #相当于popleft()# 4. 将当前节点添加至exploredexplored.append(node.state)# 目标测试if node.state == dst_state:return nodeif node.parent is not None:print('deal node:state:%s\tparent state:%s\tpath cost:%d' % (node.state, node.parent.state, node.path_cost))else:print('deal node:state:%s\tparent state:%s\tpath cost:%d' % (node.state, None, node.path_cost))# 5. 遍历当前节点的叶子节点，将叶子节点添加至frontierfor i in range(len(_city_info)):dst_city = ''if _city_info['city1'][i] == node.state:dst_city = _city_info['city2'][i]elif _city_info['city2'][i] == node.state:dst_city = _city_info['city1'][i]if dst_city == '':continue#将dst_city定义为叶子节点，node为父节点，node.path_cost在87行已经定义为0child = Node(dst_city, node, 'go', node.path_cost + _city_info['path_cost'][i])print('\tchild node:state:%s path cost:%d' % (child.state, child.path_cost))if child.state not in explored and not is_node_in_frontier(frontier, child):frontier.append(child)print('\t\t add child to child')def is_node_in_frontier(frontier, node):for x in frontier:if node.state == x.state:return Truereturn Falseif __name__ == '__main__':main()

NO.65——人工智能学习：python实现广度优先搜索相关推荐

使用Python实现广度优先搜索
图图模拟一组连接,由节点和边组成,一个节点可能与众多节点直接相连,这些节点被称为邻居. 广度优先搜索广度优先搜索是一种图算法,主要解决两种问题: 1.从节点A出发,有前往节点B的路径 ...
LQ训练营(C++)学习笔记_广度优先搜索
这里写目录标题四.广度优先搜索 1.队列的概念 2.小朋友报数问题 2.1 问题描述 2.2 代码实现 3.广度优先搜索概念 4.走迷宫问题 4.1 问题描述 4.2 代码实现 5.过河卒问题 5. ...
6.3.1广度优先搜索
ヾ(≧O≦)"好喜欢你各位同学大家好,上一节课我们介绍了.各位同学大家好,上一节课我们介绍了有关图的基本操作,那么除了上一节课我们介绍的那些相关基本操作之外,还有一种非常重要的操作,就是有 ...
人工智能学习：python实现迭代加深的深度优先搜索
人工智能学习:python实现深度优先搜索算法本文博客链接:http://blog.csdn.net/jdh99,作者:jdh,转载请注明. 环境: 主机:WIN10 python版本:3.5 开发 ...
AI（人工智能：一种现代的方法）学习之：无信息搜索（uninformed search）算法——广度优先搜索、深度优先搜索、Uniform-cost search
文章目录参考搜索算法深度优先搜索 depth-first search 性能分析完整性 complete 最优性 optimal 时间复杂度空间复杂度广度优先搜索 breadth-firs ...
图解算法学习笔记（六）：广度优先搜索
目录 1)图简介 2)图是什么 3)广度优先搜索 4)实现图 5)实现算法 6)小结本章内容; 学习使用新的数据结构图来建立网络模型: 学习广度优先搜索: 学习有向图和无向图: 学习拓扑排序,这种排 ...
迷宫问题深度优先搜索广度优先搜索宽度优先搜索【python】
文章目录一.实验内容二.深度优先搜索和广度优先搜索总结 1.深度优先搜索算法 2.广度优先搜索算法三.实验代码和用于测试的迷宫 1.实验代码 2.测试迷宫 2.1 maze1.txt 2.2 m ...
《算法图解》学习笔记（六）：图和广度优先搜索（附代码）
欢迎关注WX公众号:[程序员管小亮] python学习之路 - 从入门到精通到大师文章目录欢迎关注WX公众号:[程序员管小亮] [python学习之路 - 从入门到精通到大师](https://b ...
如何学习python+人工智能
做个自我介绍,我13年考上一所很烂专科民办的学校,学的是生物专业,具体的学校名称我就不说出来献丑了.13年我就辍学了,我在那样的学校,一年学费要1万多,但是根本没有人学习,我实在看不到希望,我就退学了 ...

NO.65——人工智能学习：python实现广度优先搜索

目的：

说明：

数据结构：

流程：

示例代码：（参考http://blog.csdn.net/jdh99）

NO.65——人工智能学习：python实现广度优先搜索相关推荐

最新文章

热门文章