龙空技术网

看完这个算法与数据结构,你也能实现一个导航查询系统

沙茶敏碎碎念 222

前言:

而今朋友们对“地图导航算法”大致比较重视,朋友们都需要知道一些“地图导航算法”的相关知识。那么小编在网摘上收集了一些有关“地图导航算法””的相关文章,希望小伙伴们能喜欢,各位老铁们快快来了解一下吧!

我们在日常生活中常常有这样的场景,打开地图,查询某个地方到某个地方怎么乘坐公交车?地图通过算法计算就会告诉我们从哪个站出发,乘坐哪一条线路,在哪里换乘,最终到达目的地?这些都是怎么实现的呢?今天我们来学习队列与广度优先搜索,来简单实现下这个功能。

队列

在此之前,我们讲了栈又讲了深度优先搜索,今天我们来讲一讲它的孪生兄弟,广度优先搜索。了解广度优先搜索之前,有一个我们必须掌握的数据结构,队列。

队列是一种常用的数据结构,相信大家都不陌生,我们平时各种排队的动作,例如排队看医生、排队上地铁,就是队列。队列的特点,就是先排队的人先出队,我们称之为FIFO(First in first out),也就是先进先出。通常,我们可以使用数组或者链表来实现一个队列。

队列的操作,每次都是从末尾进队,从队首出队,上述例子,我们先让数据1,数据2,数据3分别进队,然后再依次出队。相信大家之前就已经了解过队列,这里也不做重复的叙述,今天我们来了解队列在广度优先搜索算法中的应用。

广度优先搜索算法(BFS)

搜索,又称之穷举,即找出问题的所有状态。有人可能会问,穷举不就是For循环么?For循环只是穷举的一种方式,毕竟很多问题都无法使用For循环来直接解决。举个简单的例子,著名的华容道问题,就难以使用for循环表示出所有的状态。

广度优先搜索,只是搜索的一种常见的手段之一。广度优先搜索的核心思想,就是对于每个状态,都找到与它距离最近的状态,搜索到的结果会进入队列,以便后面重新进行搜索。我们常说,算法只是一种套路,那么广度优先搜索的模板是什么呢?

初始状态入队while (队列不为空){ 取出队首 拓展所有可达状态 将有用的状态入队}

如何理解广度优先搜索算法呢,我们讲一个简单的应用,在一个国家里,有着复杂的交通网络,在这里,不同的城市之间有一些有高铁线路,现在我们想知道,从1号城市出发,只坐高铁,可以到达哪些城市。下图为城市的高铁线路图。

如果我们运用广度优先算法,顺序会是这样的,我们从1号城市出发,会发现2,3号城市,将2号城市进队,然后将3号城市也进队,接着我们发现1号城市没有相连的城市了,我们再从队列中取出2号城市,然后发现把与2号城市相连的4,5号城市进队,然后从队列中取出3号城市,逐个扩展,最后能够遍历出整个地图。而剩下两个节点从始至终都没有入队,说明他们不可到达。

我们把搜索过程中,所有的状态以及状态的转移表示出来,称之为搜索树,上图为刚刚的高铁问题的搜索树。有了搜索树,树上的边表示搜索的顺序。广度优先搜索的搜索树会呈现出一层一层的分级,只有当前层已经搜索拓展完了,才会处理下一层,如何为什么会有这样的现象呢?结合队列的特性,可以思考思考。

现在让我们回到最开始的那个问题,如果如何查询一个站点到另外一个站点的公交线路呢?我们从起点站出发,可以拿到经过这个站点的所有公交线路,然后就可以查询出所有从这个站坐车可以到达的站点,把他们入队,再从队列中逐个取出来,继续拓展,直到找到目的站点为止。我们也注意到,我们有些地图还有一些步行换乘的,在这里我们也是简单的修改一下可到达的站点的算法而已,相信聪明的你已经知道怎么实现了。

今天的介绍我们就讲到这里,如果你有兴趣,欢迎关注我,除了分享算法相关的,最近主要会讲一些redis的原理与应用。近期还准备了一些AI相关的知识,整理后会和大家继续分享。大家的支持是我继续唠嗑的动力。如果大家有什么疑问,欢迎提问。(同名公众号:沙茶敏碎碎念)

标签: #地图导航算法