浅谈广搜优化课件.pdfVIP

浅谈广搜优化课件

复习广搜

1

23

4567

89

复习广搜

于是我们的出了一个结论：广搜主要应用于

在有向无环图中求两状态间最短距离的问题

另外，还有一个很重要的问题，在广搜中，经常会涉及到状态这个问

题，那么，什么是状态呢？……

广搜优化涉及的算法

1.哈希判重

2.双向广搜

3.分支定界这两个，

以后再

4.A*算法说……

1.哈希判重

基本思:

进行广搜时，将已出现过的状态存在哈

希表中，以及通过在哈希表中查找，判断当

前状态是否出现过。

适用范围：

由于哈希表的特性，哈希判重更适用于

较为复杂的状态。

1.哈希判重

那么，我们再来看上文的例题。

我们可以设计一个哈希函数，并如此地记录状态：从棋盘左上到右下，

16个格子依次对应integer的二进制的前16位，其中1为黑色，0为白色。

例如：0110

1101

0110

1000

这样的棋盘我们便可以简化为，转化成十进制就是28008.

我们可以计算得到，这样的哈希函数一共只有2^16=65536种状态，且

没有冲突，每次查找的时间复杂度为O（1）。

相比之下，如果逐位对比进行判重的话，每次查找的时间复杂度是O（

16*n）[n为已出现的状态数]。

如此比较，哈希判重的优势应该很明显了吧……

事实上，这种思想应该叫做状态压缩，但状态压缩与哈希判重往往是共

通的……

返回

2.双向广搜

概念：沿两个方向同时进行的BFS。

正向搜索：从初始结点向目标结点方向

搜索；

逆向搜索：从目标结点向初始结点方向

搜索；

当两个方向的搜索生成同一子结点时终

止此搜索过程。

2.双向广搜

基本思路：

1）双向广搜的两个起始点分别是初状态和末状态。

2）搜索的结束条件有二

①成功：两个方向相遇，即出现相同状态。

②失败：任意一方向的队列的首尾指针相遇。

时间复杂度：由于广搜自身的时间复杂度不稳定，在此不作

具体计算，相比单向广搜会减少不止1/2.

2.双向广搜

一道例题：

一个4×4的棋盘，每个格子放着一个棋

子。棋子一面是白色，一面是黑色。一次操

作可以将某一个格子以及上下左右共5个格子

的棋子都翻过来，即白色变黑色，黑色变白

色。现在给出一种棋盘状态，问最少需要几

次操作可以将棋盘全部变为同种颜色。