图搜索基础.ppt

2 显式图隐式图 在路径问题、连通性问题和网络优化等问题中，图的结构是显式给出的，包括图中的顶点、边及权重，这类图称为显式图，即一般意义上的图。 2 显式图隐式图-子集树 2 显式图隐式图-子集树 共2n 个状态。若表示为树形结构就是一棵有2n个叶结点的二叉树，对树中所有分支进行遍历的算法都必须耗时O(2n) 2 显式图隐式图-排列树 当要求解的问题需要在n个元素的排列中搜索问题的解时，解空间树被称作排列树(permutation tree)。 搜索空间为： (1,2,3,……,n-1,n), (2,1,3,……,n-1,n), (2,3,1,……,n-1,n), (2,3,4,1,……,n-1,n), ……. (n,n-1,……,3,2,1) 2 显式图隐式图-排列树 3 图搜索术语方法分类 穷举搜索（盲目搜索）是对图的最基本的搜索算法，是蛮力策略的一种表现形式。即不考虑给定问题的特有性质，按事先定好的顺序，依次运用规则，盲目搜索的方法。 3 图搜索术语方法分类 问题状态:树中的每一个结点确定所求解问题的一个问题状态。 状态空间:由根结点到其它结点的所有路径（分支），就确定了这个问题的状态空间。 解状态:是这样一些问题状态S，对于这些问题状态，由根到S的那条路径确定了该解空间中的一个元组。 答案状态:是这样一些解状态S，对于这些解状态而言，由根到S的这条路径确定了这问题的一个解（即它满足隐式约束条件）。 状态空间树:解空间的树结构，又称隐式图。 3 图搜索术语方法分类 3 图搜索术语方法分类 二、广度优先搜索 1 图的广度优先遍历/搜索算法 2 广度优先搜索的应用 例7.1 求经过城市最少的路线问题 例7.2 走迷宫问题 1 广度优先搜索 1 广度优先搜索-算法要素 广度优先搜索：活结点的扩展是按先来先处理的原则进行；但搜索过程中还需暂时保存部分活结点。 在算法中用“队”来存储每个E-结点扩展出的活结点。实际应用中，用数组或链表实现队列。 开辟数组visited[ ]记录结点的搜索情况。 2 广度优先搜索-算法的基本思路 1 广度优先搜索-一般算法 广度优先搜索用非 递归实现方便。 1 广度优先搜索-邻接表表示图的算法 1 广度优先搜索-邻接矩阵表示图的算法 2 广度优先搜索的应用-例7.1 例7.1 已知若干个城市的地图，求从一个城市到另一个城市 的路径，要求路径中经过的城市最少。 2 广度优先搜索的应用-例7.1-分析 图的广度优先搜索类似与树的层次遍历，逐层搜索正好可以尽快找到一个结点与另一个结点相对而言最直接的路径。 2 广度优先搜索的应用-例7.1-分析设计 2 广度优先搜索的应用-例7.1-算法设计 search( ){ qh=0; qe=1; sq[1].city=1; sq[1].pre=0; visited[1]=1; while( qhqe) //当队不空　 { qh=qh+1; //结点出队 　　 for(i=1;i=n,i++) //扩展结点 　　　if (jz[sq[qh].city][i]=1 and visited[i]=0)　　　　 { qe=qe+1; //结点入队　　　　　sq[qe].city=i; sq[qe].pre=qh; visited[i]=1;　　　　　if (sq[qe].city=8) { out( ); return; } 　　　 　 } } print(“No avaliable way.”); } 2 广度优先搜索的应用-例7.1-算法设计 2 广度优先搜索的应用-例7.2 例7.2 迷宫是许多小方格构成的矩形，在每个小方格中有的是墙（图中的“1”），有的是路（图中的“0”）。走迷宫就是从一个小方格沿上、下、左、右四个方向到邻近的方格，当然不能穿墙。设迷宫的入口是在左上角(1,1)，出口是右下角(8,8)。根据给定的迷宫，找出一条从入口到出口的路径。 2 广度优先搜索的应用-例7.2-分析 确定图结构 本问题的原始描述，与显式图的标准形象有差别。 2 例7.2-分析设计 2 例7.2-分析设计 2 例7.2-分析设计 2 例7.2-分析设计 2 例7.2-算法设计及分析 out( ) / /输出路径 　　{ print(“(”sq[qe].x,“,”,sq[qe].y,“)”);　　while(