# 广度优先遍历搜索(BFS)
- [1 算法介绍](#1%E7%AE%97%E6%B3%95%E4%BB%8B%E7%BB%8D)
- [2 实验代码](#2%E5%AE%9E%E9%AA%8C%E4%BB%A3%E7%A0%81)
- [3 实验结果](#3%E5%AE%9E%E9%AA%8C%E7%BB%93%E6%9E%9C)
- [4 实验总结](#4%E5%AE%9E%E9%AA%8C%E6%80%BB%E7%BB%93)
## 1 算法介绍
广度优先搜索算法(英语:Breadth-First-Search,缩写为 BFS),是一种图形搜索算法。简单的说,BFS 是从根节点开始,沿着树的宽度遍历树的节点。如果所有节点均被访问,则算法中止。BFS 是一种盲目搜索法,目的是系统地展开并检查图中的所有节点,以找寻结果。
BFS 会先访问根节点的所有邻居节点,然后再依次访问邻居节点的邻居节点,直到所有节点都访问完毕。在具体的实现中,使用 open 和 closed 两个表,open 是一个队列,每次对 open 进行一次出队操作(并放入 closed 中),并将其邻居节点进行入队操作。直到队列为空时即完成了所有节点的遍历。closed 表在遍历树时其实没有用,因为子节点只能从父节点到达。但在进行图的遍历时,一个节点可能会由多个节点到达,所以此时为了防止重复遍历应该每次都检查下一个节点是否已经在 closed 中了。
![](https://www.writebug.com/myres/static/uploads/2021/12/17/56b46f7a66e2316913ca9ea8f93a20aa.writebug)
依然使用上面的这个例子,如果使用 BFS 进行遍历,那么节点的访问顺序是“1-2-7-8-3-6-9-12-4-5-10-11”。可以看出来 BFS 进行遍历时是一层一层的搜索的。
![](https://www.writebug.com/myres/static/uploads/2021/12/17/108cf6e598f3b4fe86543fe3b67c9cc0.writebug)
在应用 BFS 算法进行八数码问题搜索时需要 open 和 closed 两个表。首先将初始状态加入 open 队列,然后进行出队操作并放入 closed 中,对出队的状态进行扩展(所谓扩展也就是找出其上下左右移动后的状态),将扩展出的状态加入队列,然后继续循环出队-扩展-入队的操作,直到找到解为止。
上图这个例子中,红圈里的数字是遍历顺序。当找到解时一直往前找父节点即可找出求解的移动路线。
## 2 实验代码
```python
import copy
# 棋盘的类,实现移动和扩展状态
class grid:
def __init__(self,stat):
self.pre=None
self.target=[[1,2,3],[8,0,4],[7,6,5]]
self.stat=stat
self.find0()
self.update()
#更新深度和距离和
def update(self):
self.fH()
self.fG()
#G是深度,也就是走的步数
def fG(self):
if(self.pre!=None):
self.G=self.pre.G+1
else:
self.G=0
#H是和目标状态距离之和,可以用来判断是否达到最优解
def fH(self):
self.H=0
for i in range(3):
for j in range(3):
targetX=self.target[i][j]
nowP=self.findx(targetX)
self.H+=abs(nowP[0]-i)+abs(nowP[1]-j)
#查看当前状态
def see(self):
print("depth:",self.G)
for i in range(3):
print(self.stat[i])
print("-"*10)
#查看找到的解是如何从头移动的
def seeAns(self):
ans=[]
ans.append(self)
p=self.pre
while(p):
ans.append(p)
p=p.pre
ans.reverse()
for i in ans:
i.see()
#找到数字x的位置,返回其坐标
def findx(self,x):
for i in range(3):
if(x in self.stat[i]):
j=self.stat[i].index(x)
return [i,j]
#找到0,也就是空白格的位置
def find0(self):
self.zero=self.findx(0)
#对当前状态进行所有可能的扩展,返回一个扩展状态的列表
def expand(self):
i=self.zero[0]
j=self.zero[1]
gridList=[]
if(j==2 or j==1):
gridList.append(self.left())
if(i==2 or i==1):
gridList.append(self.up())
if(i==0 or i==1):
gridList.append(self.down())
if(j==0 or j==1):
gridList.append(self.right())
return gridList
#deepcopy多维列表的复制,防止指针赋值将原列表改变
#move只能移动行或列,即row和col必有一个为0
#对当前状态进行移动
def move(self,row,col):
newStat=copy.deepcopy(self.stat)
tmp=self.stat[self.zero[0]+row][self.zero[1]+col]
newStat[self.zero[0]][self.zero[1]]=tmp
newStat[self.zero[0]+row][self.zero[1]+col]=0
return newStat
def up(self):
return self.move(-1,0)
def down(self):
return self.move(1,0)
def left(self):
return self.move(0,-1)
def right(self):
return self.move(0,1)
# 计算逆序数之和
def N(nums):
N=0
for i in range(len(nums)):
if(nums[i]!=0):
for j in range(i):
if(nums[j]>nums[i]):
N+=1
return N
# 根据逆序数之和判断所给八数码是否可解
def judge(src,target):
N1=N(src)
N2=N(target)
if(N1%2==N2%2):
return True
else:
return False
# 初始化状态
startStat=[[2,8,3],[1,0,4],[7,6,5]]
g=grid(startStat)
if(judge(startStat,g.target)!=True):
print("所给八数码无解,请检查输入")
exit(1)
visited=[]
queue=[g]
time=0
while(queue):
time+=1
v=queue.pop(0)
#判断是否找到解
if(v.H==0):
print("found and times:",time,"moves:",v.G)
#查看找到的解是如何从头移动的
v.seeAns()
break
else:
#对当前状态进行扩展
visited.append(v.stat)
expandStats=v.expand()
for stat in expandStats:
tmpG=grid(stat)
tmpG.pre=v
tmpG.update()
if(stat not in visited):
queue.append(tmpG)
```
## 3 实验结果
仍然用相同的例子,用 BFS 进行搜索。
![](https://www.writebug.com/myres/static/uploads/2021/12/17/22d941a4cf4de48d6459e250687cde7e.writebug)
将找出的解从初始状态一步一步输出到解状态。
![](https://www.writebug.com/myres/static/uploads/2021/12/17/8d24a1814a6db26c4c0c2d16cc85dc2c.writebug)
从结果中可以看出总共进行了 27 次遍历,并在第 4 层时找到了解状态。
下面我们来看一看 BFS 的所有 27 次遍历,以此来更深入的理解 BFS 的原理。稍微对代码进行改动,使其输出遍历次数和当前层数。由于结果太长,为了方便展示,下面将以树的形式展示。
![](https://www.writebug.com/myres/static/uploads/2021/12/17/f99bc9ee20d35b47c264b9ac373f7d59.writebug)
上面输出的解就是按照红色路线标注找到的,从遍历次数可以看出是一层一层的找。
## 4 实验总结
由于 BFS 是一层一层找的,所以一定能找到解,并且是最优解。虽然能找到最优解,但它的盲目性依然是一个很大的缺点。从上面的遍历树状图中,每一层都比上一层元素更多,且是近似于指数型的增长。也就是说,深度每增加一,这一层的搜索速度就要增加很多。
没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
本项目为使用Python实现的广度优先遍历搜索(BFS)算法。广度优先搜索算法(英语:Breadth-First-Search,缩写为 BFS),是一种图形搜索算法。简单的说,BFS 是从根节点开始,沿着树的宽度遍历树的节点。如果所有节点均被访问,则算法中止。BFS 是一种盲目搜索法,目的是系统地展开并检查图中的所有节点,以找寻结果。
资源推荐
资源详情
资源评论
收起资源包目录
100011181-基于 Python 实现的广度优先遍历搜索(BFS)算法.zip (3个子文件)
bfsalgorithm
LICENSE 1KB
BFS.py 4KB
README.md 7KB
共 3 条
- 1
资源评论
神仙别闹
- 粉丝: 3775
- 资源: 7469
下载权益
C知道特权
VIP文章
课程特权
开通VIP
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功