CS 188 Breadth First Search BFS(广度优先搜索算法)

Posted 从零起步学习人工智能

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了CS 188 Breadth First Search BFS(广度优先搜索算法)相关的知识,希望对你有一定的参考价值。

    本文要实现 Breadth First Search BFS(广度优先搜索算法) ,首先搜索搜索树中最浅的节点,广度搜索算法搜索到达目标。


    Queue是一个先进先出(FIFO)队列策略的容器,Queue是一个类,使用列表List初始化,入站在列表List中头部插入一个元素,出栈使用pop实现,将仍在队列中的最早进入队列的项目出列,这个操作从队列中删除该项。从列表的长度为0判断栈是否为空。   

class Queue: "A container with a first-in-first-out (FIFO) queuing policy." def __init__(self): self.list = []
def push(self,item): "Enqueue the 'item' into the queue" self.list.insert(0,item)
def pop(self): """ Dequeue the earliest enqueued item still in the queue. This operation removes the item from the queue. """ return self.list.pop()
def isEmpty(self): "Returns true if the queue is empty" return len(self.list) == 0

 

广度优先算法BFS代码:

# search.py# ---------# Licensing Information: You are free to use or extend these projects for# educational purposes provided that (1) you do not distribute or publish# solutions, (2) you retain this notice, and (3) you provide clear# attribution to UC Berkeley, including a link to http://ai.berkeley.edu.# # Attribution Information: The Pacman AI projects were developed at UC Berkeley.# The core projects and autograders were primarily created by John DeNero# (denero@cs.berkeley.edu) and Dan Klein (klein@cs.berkeley.edu).# Student side autograding was added by Brad Miller, Nick Hay, and# Pieter Abbeel (pabbeel@cs.berkeley.edu).

def breadthFirstSearch(problem): """Search the shallowest nodes in the search tree first.""" "*** YOUR CODE HERE ***" #util.raiseNotDefined() path =Path([problem.getStartState()],[],0) if problem.isGoalState(problem.getStartState()): return path.directions #新建一个队列,起始状态入队列 queue =util.Queue() queue.push(path) #取得初始状态列表 visited =[problem.getStartState()] while not queue.isEmpty(): #如队列不为空,取最先进入队列的元素(List的最后一个元素),获取当前路径 currentPath = queue.pop() currentLocation = currentPath.locations[-1] #如果当前位置已经是终点的位置,则返回当前路径的方向列表,用于移动pac man。 if problem.isGoalState(currentLocation): return currentPath.directions else: #在搜索问题中取得当前位置后继的下一个状态.getSuccessors中for循环遍历北、南、东、西四个方向, #directionToVector取得方向到坐标偏移向量的转换值,在当前坐标上加上位移的坐标偏移量值, #如果下一步坐标移动的点不是围墙,则在后续状态列表中加入三元组( nextState, action, cost) nextSteps = problem.getSuccessors(currentLocation) for nextStep in nextSteps: #遍历下一步的状态,依次获得位置、方向、成本信息 nextLocation =nextStep[0] nextDirection = nextStep[1] nextCost = nextStep[2] # 不在当前路径里面而且下一个位置还没被访问(多条路径交叉点) if (nextLocation not in currentPath.locations) and (nextLocation not in visited): if not problem.isGoalState(nextLocation): visited.append(nextLocation) print("访问的位置:", visited) #获取当前路径列表集 nextLocations =currentPath.locations[:] #将新的位置加入到当前路径的列表里面 nextLocations.append(nextLocation) print("当前位置:",currentLocation) print("当前位置下一步可能的移动位置:",nextLocation) print("加到当前位置列表集:",nextLocations) print() print() #print(currentLocation,nextLocation,nextLocations) #获取当前的方向集 nextDirections = currentPath.directions[:] #将新的方向加入到当前方向集的列表里面 nextDirections.append(nextDirection) nextCosts = currentPath.cost +nextCost nextPath =Path(nextLocations,nextDirections,nextCosts) #下一步的状态,入队列 queue.push(nextPath)
#队列为空,仍未到达终点,返回空集 return []


    案例使用tinyMaze布局,从搜索问题problem的walls属性信息中可以获取迷宫墙的数字信息,如下图所示,要从(5,5)点到达(1,1)点,和深度优先算法不同,深度优先算法采样堆栈沿着一条路径深入遍历,然后遍历另一条路径;广度优先算法采用队列先进先出,层层遍历两条路径:

     pac man移动北、南、东、西移动与x,y的坐标变换关系:



广度优先搜索算法的遍历如下:

[SearchAgent] using function breadthFirstSearch[SearchAgent] using problem type PositionSearchProblem访问的位置: [(5, 5), (5, 4)]当前位置: (5, 5)当前位置下一步可能的移动位置: (5, 4)加到当前位置列表集: [(5, 5), (5, 4)]

访问的位置: [(5, 5), (5, 4), (4, 5)]当前位置: (5, 5)当前位置下一步可能的移动位置: (4, 5)加到当前位置列表集: [(5, 5), (4, 5)]

访问的位置: [(5, 5), (5, 4), (4, 5), (5, 3)]当前位置: (5, 4)当前位置下一步可能的移动位置: (5, 3)加到当前位置列表集: [(5, 5), (5, 4), (5, 3)]

访问的位置: [(5, 5), (5, 4), (4, 5), (5, 3), (3, 5)]当前位置: (4, 5)当前位置下一步可能的移动位置: (3, 5)加到当前位置列表集: [(5, 5), (4, 5), (3, 5)]

访问的位置: [(5, 5), (5, 4), (4, 5), (5, 3), (3, 5), (4, 3)]当前位置: (5, 3)当前位置下一步可能的移动位置: (4, 3)加到当前位置列表集: [(5, 5), (5, 4), (5, 3), (4, 3)]

访问的位置: [(5, 5), (5, 4), (4, 5), (5, 3), (3, 5), (4, 3), (2, 5)]当前位置: (3, 5)当前位置下一步可能的移动位置: (2, 5)加到当前位置列表集: [(5, 5), (4, 5), (3, 5), (2, 5)]

访问的位置: [(5, 5), (5, 4), (4, 5), (5, 3), (3, 5), (4, 3), (2, 5), (4, 2)]当前位置: (4, 3)当前位置下一步可能的移动位置: (4, 2)加到当前位置列表集: [(5, 5), (5, 4), (5, 3), (4, 3), (4, 2)]

访问的位置: [(5, 5), (5, 4), (4, 5), (5, 3), (3, 5), (4, 3), (2, 5), (4, 2), (1, 5)]当前位置: (2, 5)当前位置下一步可能的移动位置: (1, 5)加到当前位置列表集: [(5, 5), (4, 5), (3, 5), (2, 5), (1, 5)]

访问的位置: [(5, 5), (5, 4), (4, 5), (5, 3), (3, 5), (4, 3), (2, 5), (4, 2), (1, 5), (3, 2)]当前位置: (4, 2)当前位置下一步可能的移动位置: (3, 2)加到当前位置列表集: [(5, 5), (5, 4), (5, 3), (4, 3), (4, 2), (3, 2)]

访问的位置: [(5, 5), (5, 4), (4, 5), (5, 3), (3, 5), (4, 3), (2, 5), (4, 2), (1, 5), (3, 2), (1, 4)]当前位置: (1, 5)当前位置下一步可能的移动位置: (1, 4)加到当前位置列表集: [(5, 5), (4, 5), (3, 5), (2, 5), (1, 5), (1, 4)]

访问的位置: [(5, 5), (5, 4), (4, 5), (5, 3), (3, 5), (4, 3), (2, 5), (4, 2), (1, 5), (3, 2), (1, 4), (2, 2)]当前位置: (3, 2)当前位置下一步可能的移动位置: (2, 2)加到当前位置列表集: [(5, 5), (5, 4), (5, 3), (4, 3), (4, 2), (3, 2), (2, 2)]

访问的位置: [(5, 5), (5, 4), (4, 5), (5, 3), (3, 5), (4, 3), (2, 5), (4, 2), (1, 5), (3, 2), (1, 4), (2, 2), (1, 3)]当前位置: (1, 4)当前位置下一步可能的移动位置: (1, 3)加到当前位置列表集: [(5, 5), (4, 5), (3, 5), (2, 5), (1, 5), (1, 4), (1, 3)]

访问的位置: [(5, 5), (5, 4), (4, 5), (5, 3), (3, 5), (4, 3), (2, 5), (4, 2), (1, 5), (3, 2), (1, 4), (2, 2), (1, 3), (2, 3)]当前位置: (2, 2)当前位置下一步可能的移动位置: (2, 3)加到当前位置列表集: [(5, 5), (5, 4), (5, 3), (4, 3), (4, 2), (3, 2), (2, 2), (2, 3)]

访问的位置: [(5, 5), (5, 4), (4, 5), (5, 3), (3, 5), (4, 3), (2, 5), (4, 2), (1, 5), (3, 2), (1, 4), (2, 2), (1, 3), (2, 3), (2, 1)]当前位置: (2, 2)当前位置下一步可能的移动位置: (2, 1)加到当前位置列表集: [(5, 5), (5, 4), (5, 3), (4, 3), (4, 2), (3, 2), (2, 2), (2, 1)]
......



 


以上是关于CS 188 Breadth First Search BFS(广度优先搜索算法)的主要内容,如果未能解决你的问题,请参考以下文章

[Leetcode] Breadth-first Search

breadth-first depth-first best-first

Breadth First Search VS Depth First Search (Algorithms)

Breadth First Search

使用 Boost 的图 breadth_first_search() 在未加权、无向图中查找路径

(总结)宽度优先搜索(Breadth First Search)