python

class StackFrontier:  # 堆栈边域
    def __init__(self):
        self.frontier = []  # 边域
    def add(self, node):  # 堆栈添加结点
        self.frontier.append(node)
    def contains_state(self, state):
        return any(node.state == state for node in self.frontier)
    def empty(self):  # 判断边域为空
        return len(self.frontier) == 0
    def remove(self):  # 移除结点
        if self.empty():
            raise Exception("empty frontier")
        else:
            node = self.frontier[-1]
            self.frontier = self.frontier[:-1]
            return node

深度优先搜索复习

深度优先搜索算法在尝试另一个方向之前耗尽每个方向。在这些情况下，边域作为堆栈数据结构进行管理。这里需要记住的流行语是“后进先出”。在将节点添加到边域后，第一个要删除和考虑的节点是最后一个要添加的节点。这导致了一种搜索算法，该算法在第一个方向上尽可能深入，直到尽头，同时将所有其他方向留到后面。“不撞南墙不回头”

队列边域——BFS

python

class QueueFrontier(StackFrontier):  # 队列边域
    def remove(self):
        if self.empty():
            raise Exception("empty frontier")
        else:
            node = self.frontier[0]
            self.frontier = self.frontier[1:]
            return node

广度优先搜索复习

广度优先搜索算法将同时遵循多个方向，在每个可能的方向上迈出一步，然后在每个方向上迈出第二步。在这种情况下，边域作为队列数据结构进行管理。这里需要记住的流行语是“先进先出”。在这种情况下，所有新节点都会排成一行，并根据先添加的节点来考虑节点（先到先得！）。这导致搜索算法在任何一个方向上迈出第二步之前，在每个可能的方向上迈出一步。

迷宫解——Maze_solution

python

class Maze:
    def __init__(self, filename):  # 读入迷宫图
        # 读入文件，设置迷宫大小
        with open(filename) as f:
            contents = f.read()
        # 验证起点和目标
        if contents.count("A") != 1:
            raise Exception("maze must have exactly one start point")
        if contents.count("B") != 1:
            raise Exception("maze must have exactly one goal")
        # 绘制迷宫大小
        contents = contents.splitlines()
        self.height = len(contents)
        self.width = max(len(line) for line in contents)
        # 绘制迷宫墙，起点，终点
        self.walls = []
        for i in range(self.height):
            row = []
            for j in range(self.width):
                try:
                    if contents[i][j] == "A":    # 设置起点
                        self.start = (i, j)
                        row.append(False)
                    elif contents[i][j] == "B":
                        self.goal = (i, j)       # 设置终点
                        row.append(False)
                    elif contents[i][j] == " ":
                        row.append(False)        # 设置墙体
                    else:
                        row.append(True)         # 可移动的点为 True
                except IndexError:
                    row.append(False)
            self.walls.append(row)
        self.solution = None
    # 打印结果
    def print(self):
        ...
    # 寻找邻结点，返回元组 (动作，坐标 (x,y))
    def neighbors(self, state):
        row, col = state
        candidates = [
            ("up", (row - 1, col)),
            ("down", (row + 1, col)),
            ("left", (row, col - 1)),
            ("right", (row, col + 1))
        ]
        result = []
        for action, (r, c) in candidates:
            if 0 <= r < self.height and 0 <= c < self.width and not self.walls[r][c]:
                result.append((action, (r, c)))
        return result
    def solve(self):
        # 搜索迷宫解
        self.num_explored = 0   # 已搜索的路径长度
        # 将边界初始化为起始位置
        start = Node(state=self.start, parent=None, action=None)
        frontier = StackFrontier()  # 采用 DFS
        # frontier = QueueFrontier()  # 采用 BFS
        frontier.add(start)
        # 初始化一个空的探索集
        self.explored = set()  # 存储已搜索的结点
        # 保持循环直到找到解决方案
        while True:
            # 无解情况
            if frontier.empty():
                raise Exception("no solution")
            # 从边界中选择一个节点
            node = frontier.remove()
            self.num_explored += 1
            # 得到解决路径
            if node.state == self.goal:
                actions = []
                cells = []
                while node.parent is not None:  # 遍历父节点得到路径动作
                    actions.append(node.action)
                    cells.append(node.state)
                    node = node.parent
                actions.reverse()
                cells.reverse()
                self.solution = (actions, cells)
                return
            # 将节点标记为已探索
            self.explored.add(node.state)
            # 将邻居添加到边界（展开节点）
            for action, state in self.neighbors(node.state):
                if not frontier.contains_state(state) and state not in self.explored:
                    child = Node(state=state, parent=node, action=action)
                    frontier.add(child)
    def output_image(self, filename, show_solution=True, show_explored=False):
        ...

Node

节点复习

堆栈边域——DFS

深度优先搜索复习

队列边域——BFS

广度优先搜索复习

迷宫解——Maze_solution

Quiz

Node ​

节点复习 ​

堆栈边域——DFS ​

深度优先搜索复习 ​

队列边域——BFS ​

广度优先搜索复习 ​

迷宫解——Maze_solution ​

Quiz ​

Node

节点复习

堆栈边域——DFS

深度优先搜索复习

队列边域——BFS

广度优先搜索复习

迷宫解——Maze_solution

Quiz