详解Java利用深度优先遍历解决迷宫问题

目录

• 什么是深度优先
• 一个简单的例子
• 程序实现

什么是深度优先

什么是深度，即向下，深度优先，即向下优先，一口气走到底，走到底发现没路再往回走。

在算法实现上来讲，深度优先可以考虑是递归的代名词，深度优先搜索必然需要使用到递归的思路。

有的人可能会说了，我可以用栈来实现，以迭代的方式，那么问题来了，栈这种数据结构，同学们认为是否也囊括了递归呢？Java语言的方法区本身也是实现在一个栈空间上的。

一个简单的例子

我们以一个简单的迷宫为例，以1代表墙，0代表路径，我们构造一个具有出入口的迷宫。

1 1 0 1 1 1 1 1 1

1 0 0 0 0 0 0 1 1

1 0 1 1 1 1 0 1 1

1 0 0 0 0 1 0 0 1

1 1 1 1 1 1 1 0 1

以上面这个0为入口，下面这个0为出口，那么深度优先的算法遍历顺序，方向的遍历顺序为左下右上，以dp[0][2]为入口，我把这个过程列在下面了：

第一步：

dp[0][2] -> dp[1][2]

第二步：

dp[1][2] -> dp[1][1]

第三步：

dp[1][1] -> dp[2][1]

第四步：

dp[2][1] -> dp[3][1]

第五步：

dp[3][1] -> dp[3][2]

第六步：

dp[3][2] -> dp[3][3]

第七步：

dp[3][3] -> dp[3][4]

第八步：

dp[3][4] -> dp[3][5] 由于 dp[3][5]是墙，所以深度优先算法需要开始回退，最终会回退到dp[1][2]这个位置，然后向右走

第八步：

dp[1][2] -> dp[1][3]

第九步：

dp[1][3] -> dp[1][4]

第十步：

dp[1][4] -> dp[1][5]

第十一步：

dp[1][5] -> dp[1][6]

第十二步：

dp[1][6] -> dp[2][6]

第十三步：

dp[2][6] -> dp[3][6]

第十四步：

dp[3][6] -> dp[3][7]

第十五步：

dp[3][7] -> dp[4][7] 终点，程序退出

可以发现，深度优先算法有点像我们的人生，需要不断试错，错了就退，直到找到一条通往出口的路。

现在让我们动手用代码实现一下上面的步骤吧。

程序实现

以深度优先的方式解决这个问题，主要考虑两点，首先是如何扩展节点，我们的顺序是左，下，右，上，那么，应该以什么样的方式实现这个呢？第二点，就是如何实现深度优先，虽然原理上肯定是递归，但是应该如何递归呢？要解决这两个问题，请看示例代码，以Java为例：

package com.chaojilaji.book;

import com.chaojilaji.book.util.InputUtils;

import java.util.HashSet;
import java.util.Set;

import static com.chaojilaji.book.util.CheckUtils.canAdd;

public class Dfs {

    public static Integer dfs(String[][] a, int currentX, int currentY, int chux, int chuy, Set<Integer> cache) {
        System.out.println(currentY + " " + currentX);
        if (currentX == chux && currentY == chuy) {
            return 1;
        }
        // TODO: 2022/1/11 枚举子节点，左 下 右 上
        int[] x = new int[]{-1, 0, 1, 0};
        int[] y = new int[]{0, 1, 0, -1};
        for (int i = 0; i < 4; i++) {
            if (canAdd(a, currentX + x[i], currentY + y[i], cache)) {
                Integer tmp = dfs(a, currentX + x[i], currentY + y[i], chux, chuy, cache);
                if (tmp != 0) {
                    System.out.println(currentY + " " + currentX + " 结果路径");
                    return tmp + 1;
                }
            }
        }
        System.out.println(currentY + " " + currentX + " 回滚");
        return 0;
    }

    public static Integer getAns(String[][] a) {
        int m = a[0].length;
        int n = a.length;
        int rux = -1, ruy = 0;
        int chux = -1, chuy = n - 1;
        for (int i = 0; i < m; i++) {
            if (a[0][i].equals("0")) {
                // TODO: 2022/1/11 找到入口
                rux = i;
            }
            if (a[n - 1][i].equals("0")) {
                chux = i;
            }
        }
        Set<Integer> cache = new HashSet<>();
        cache.add(rux * 100000 + ruy);
        System.out.println("打印行走过程");
        return dfs(a, rux, ruy, chux, chuy, cache)-1;
    }

    public static void demo() {
        String x = "1  1  0  1  1  1  1  1  1\n" +
                "1  0  0  0  0  0  0  1  1\n" +
                "1  0  1  1  1  1  0  1  1\n" +
                "1  0  0  0  0  1  0  0  1\n" +
                "1  1  1  1  1  1  1  0  1";
        String[][] a = InputUtils.getInput(x);
        Integer ans = getAns(a);
        System.out.println(ans == -1 ? "不可达" : "可达，需要行走" + ans + "步");

    }

    public static void main(String[] args) {
        demo();
    }

}

这里的canAdd方法是临界判断函数，如下：

/**
     * 临界判断
     * @param a
     * @param x
     * @param y
     * @param cache
     * @return
     */
public static Boolean canAdd(String[][] a, Integer x, Integer y, Set<Integer> cache) {
    int m = a[0].length;
    int n = a.length;
    if (x < 0 || x >= m) {
        return false;
    }
    if (y < 0 || y >= n) {
        return false;
    }
    if (a[y][x].equals("0") && !cache.contains(x * 100000 + y)) {
        cache.add(x * 100000 + y);
        return true;
    }
    return false;
}

可以瞧见，这里面最核心的代码在于dfs这个函数，让我们来深入分析一波

public static Integer dfs(String[][] a, int currentX, int currentY, int chux, int chuy, Set<Integer> cache) {
    System.out.println(currentY + " " + currentX);
    if (currentX == chux && currentY == chuy) {
        return 1;
    }
    // TODO: 2022/1/11 枚举子节点，左 下 右 上
    int[] x = new int[]{-1, 0, 1, 0};
    int[] y = new int[]{0, 1, 0, -1};
    for (int i = 0; i < 4; i++) {
        if (canAdd(a, currentX + x[i], currentY + y[i], cache)) {
            Integer tmp = dfs(a, currentX + x[i], currentY + y[i], chux, chuy, cache);
            if (tmp != 0) {
                System.out.println(currentY + " " + currentX + " 结果路径");
                return tmp + 1;
            }
        }
    }
    System.out.println(currentY + " " + currentX + " 回滚");
    return 0;
}

首先，dfs深度优先，首先应该写的是判断终止条件，这里的终止条件就是到达终点，即目前的横纵坐标等于出口的横纵坐标。

然后，我们利用两个方向数组作为移动方案，也就是

// TODO: 2022/1/11 枚举子节点，左 下 右 上
    int[] x = new int[]{-1, 0, 1, 0};
    int[] y = new int[]{0, 1, 0, -1};
    for (int i = 0; i < 4; i++) {
        if (canAdd(a, currentX + x[i], currentY + y[i], cache)) {
        }
    }

这种方法，是数组类型的移动方式的兼容写法，不管你的移动方向有多少，都可以配在x和y两个数组中。定义了四个方向，现在我们需要思考递归的过程。

既然我完成的时候是返回1，那么其实如果在这条路上的所有都应该加1，所以，就有了下面的判断

if (canAdd(a, currentX + x[i], currentY + y[i], cache)) {
    Integer tmp = dfs(a, currentX + x[i], currentY + y[i], chux, chuy, cache);
    if (tmp != 0) {
        System.out.println(currentY + " " + currentX + " 结果路径");
        return tmp + 1;
    }
}

当子dfs出来的结果不为0，说明该子dfs是可以到达出口的，那么直接把结果加1返回给上层即可。如果子dfs出来的结果为0，说明该子dfs是不能到达出口的，就直接返回0即可。

到此这篇关于详解Java利用深度优先遍历解决迷宫问题的文章就介绍到这了,更多相关Java深度优先遍历内容请搜索我们以前的文章或继续浏览下面的相关文章希望大家以后多多支持我们！