如何使用python動畫演示深度優先算法搜尋逃出迷宮的路徑

這篇文章主要介紹了如何使用python動畫演示深度優先算法搜尋逃出迷宮的路徑，具有一定借鑒價值，感興趣的朋友可以參考下，希望大家閱讀完這篇文章之后大有收獲，下面讓小編帶著大家一起了解一下。

Python主要用來做什么

Python主要應用于：1、Web開發；2、數據科學研究；3、網絡爬蟲；4、嵌入式應用開發；5、游戲開發；6、桌面應用開發。

深度優先算法(DFS 算法)是什么？

尋找起始節點與目標節點之間路徑的算法，常用于搜索逃出迷宮的路徑。主要思想是，從入口開始，依次搜尋周圍可能的節點坐標，但不會重復經過同一個節點，且不能通過障礙節點。如果走到某個節點發現無路可走，那么就會回退到上一個節點，重新選擇其他路徑。直到找到出口，或者退到起點再也無路可走，游戲結束。當然，深度優先算法，只要查找到一條行得通的路徑，就會停止搜索；也就是說只要有路可走，深度優先算法就不會回退到上一步。

如果你依然在編程的世界里迷茫，可以加入我們的Python學習扣qun：784758214，看看前輩們是如何學習的！交流經驗！自己是一名高級python開發工程師，從基礎的python腳本到web開發、爬蟲、django、數據挖掘等，零基礎到項目實戰的資料都有整理。送給每一位python的小伙伴！分享一些學習的方法和需要注意的小細節，點擊加入我們的python學習者聚集地

下圖是使用 DFS 算法搜尋出來的一條路徑：

總結一下：

從起點開始，查詢下一步走得通的節點，將這些可能的節點壓入堆棧中，已經走過的節點不再嘗試。查詢完畢之后，從堆棧中取出一個節點，查詢該節點周圍是否存在走得通的節點。如果不存在可能的節點，就繼續從堆棧中取一個節點。重復以上操作，直到當前節點為終點，或者堆棧中再無節點。

定義數據：

• 起始節點與目標節點

• 存儲節點的堆棧

• 
  

定義輔助函數

• 獲取下一節點的函數: successor

• 判斷是否為終點的函數: test_goal

首先，我們來定義棧這種數據結構，棧是一種后進先出的數據結構。

因為之后的廣度優先搜索會使用到隊列，A* 算法會用到優先隊列，我們定義了抽象基類，以便后續使用。deque 是雙端隊列，與內置類型 list 操作類似，但頭部與尾部插入和刪除操作的時間復雜度均為 O(1)。

# utils.py
from abc import abstractmethod, ABC
from collections import deque
class Base(ABC):
  def __init__(self):
    self._container = deque()
  @abstractmethod
  def push(self, value):
    """push item"""
  @abstractmethod
  def pop(self):
    """pop item"""
  def __len__(self):
    return len(self._container)
  def __repr__(self):
    return f'{type(self).__name__}({list(self._container)})'
class Stack(Base):
  def push(self, value):
    self._container.append(value)
  def pop(self):
    return self._container.pop()

下面我們來定義 dfs 函數。其中，initial 為初始節點, s 為棧，marked 用來記錄經過的節點。successor 函數用來搜尋下一個可能的節點，test_goal 函數用來判斷該節點是否為目標節點。children 為可能的節點列表，遍歷這些節點，將沒有走過的節點壓入棧中，并做記錄。

# find_path.py
from utils import Stack
def dfs(initial, _next = successor， _test = test_goal):
  s: Stack = Stack()
  marked = {initial}
  s.push(initial)
  while s:
    parent: state = s.pop()
    if _test(parent):
      return parent
    children = _next(parent)
    for child in children:
      if child not in marked:
        marked.add(child)
        s.push(child)

接下來，我們使用 DFS 算法尋找迷宮路徑，并對搜尋到的迷宮路徑進行可視化演示。

首先使用枚舉，來表示路徑的顏色, EMPTY 為正常節點，BLOCKED 為障礙節點，START 為迷宮入口，END 為迷宮出口，PATH 為搜尋的路徑。

from enum import IntEnum
class Cell(IntEnum):
  EMPTY = 255
  BLOCKED = 0
  START = 100
  END = 200
  PATH = 150

接下來，我們來定義迷宮。首先，我們采用 Namedtuple 來定義迷宮每個節點的坐標：

class MazeLocation(NamedTuple):
  row: int
  col: int

首先為了方便確定節點之間的關系，我們在 Maze 類中定義了一個內部類 _Node, 用來記錄節點的狀態，及節點的父節點。

class _Node:
  def __init__(self, state, parent):
    self.state = state
    self.parent = parent

接著初始化，確定入口與出口的坐標，使用 np.random.choice 函數隨機生成迷宮，并標記入口和出口。

def __init__(self, rows: int = 10, cols: int = 10,
       sparse: float = 0.2, seed: int = 365,
       start: MazeLocation = MazeLocation(0, 0),
       end: MazeLocation = MazeLocation(9, 9), *,
       grid: Optional[np.array] = None) -> None:
  np.random.seed(seed)
  self._start: MazeLocation = start
  self._end: MazeLocation = end
  self._grid: np.array = np.random.choice([Cell.BLOCKED, Cell.EMPTY],
                        (rows, cols), p=[sparse, 1 - sparse])
  self._grid[start] = Cell.START
  self._grid[end] = Cell.END

其次是 test_goal 方法，只要該節點坐標與目標節點相即可。

def _test_goal(self, m1: MazeLocation) -> bool:
  return m1 == self._end

再就是 successor 方法，只要上下左右方向的節點不是障礙節點且在邊界之內，就納入考慮范圍，加入列表之中。

List[MazeLocation]:
  location: List[MazeLocation] = []
  row, col = self._grid.shape
  if m1.row + 1 < row and self._grid[m1.row + 1, m1.col] != Cell.BLOCKED:
    location.append(MazeLocation(m1.row + 1, m1.col))
  if m1.row - 1 >= 0 and self._grid[m1.row - 1, m1.col] != Cell.BLOCKED:
    location.append(MazeLocation(m1.row - 1, m1.col))
  if m1.col + 1 < col and self._grid[m1.row, m1.col + 1] != Cell.BLOCKED:
    location.append(MazeLocation(m1.row, m1.col + 1))
  if m1.col - 1 >= 0 and self._grid[m1.row, m1.col - 1] != Cell.BLOCKED:
    location.append(MazeLocation(m1.row, m1.col - 1))
  return location

顯示路徑, pause 為顯示圖像的間隔,plot 為是否繪圖標志。通過目標節點出發，遍歷每一個節點的父節點，直到到達初始節點，并繪制路徑圖。

None:
  if pause <= 0:
    raise ValueError('pause must be more than 0')
  path: Maze._Node = self._search()
  if path is None:
    print('沒有找到路徑')
    return
  path = path.parent
  while path.parent is not None:
    self._grid[path.state] = Cell.PATH
    if plot:
      self._draw(pause)
    path = path.parent
  print('Path Done')

為了使用 DFS 算法，我們定義了 DepthFirstSearch 類，繼承迷宮類。DepthFirstSearch 類重寫了基類的 _search 方法，與我們之前定義的 dfs 函數定義相差無幾。

class DepthFirstSearch(Maze):
  def _search(self):
    stack: Stack = Stack()
    initial: DepthFirstSearch._Node = self._Node(self._start, None)
    marked: Set[MazeLocation] = {initial.state}
    stack.push(initial)
    while stack:
      parent: DepthFirstSearch._Node = stack.pop()
      state: MazeLocation = parent.state
      if self._test_goal(state):
        return parent
      children: List[MazeLocation] = self._success(state)
      for child in children:
        if child not in marked:
          marked.add(child)
          stack.push(self._Node(child, parent))

感謝你能夠認真閱讀完這篇文章，希望小編分享的“如何使用python動畫演示深度優先算法搜尋逃出迷宮的路徑”這篇文章對大家有幫助，同時也希望大家多多支持億速云，關注億速云行業資訊頻道，更多相關知識等著你來學習!