搜索算法应用——查找元素、最短路径

练习应用搜索算法解决问题，如查找列表中是否存在某个元素、查找图中的最短路径等。

1. 查找列表中是否存在某个元素

问题描述：给定一个列表和目标元素，判断列表中是否存在该目标元素。

def linear_search(arr, target):
    """
    线性搜索算法，在列表中查找目标元素。
    
    Parameters:
        arr (list): 待搜索的列表。
        target: 要查找的目标元素。
    
    Returns:
        bool: 如果找到目标元素，返回True；否则返回False。
    """
    for item in arr:
        if item == target:
            return True
    return False

# 示例列表和目标元素
arr = [3, 6, 9, 12, 15]
target = 12

# 使用线性搜索算法查找目标元素
found = linear_search(arr, target)
if found:
    print(f"目标元素 {target} 存在于列表中")
else:
    print(f"目标元素 {target} 不存在于列表中")

2. 查找图中的最短路径

问题描述：给定一个有向图和起始节点，找到起始节点到目标节点的最短路径。

from collections import defaultdict, deque

def shortest_path(graph, start, target):
    """
    使用广度优先搜索算法查找图中的最短路径。
    
    Parameters:
        graph (dict): 图的邻接表表示。
        start: 起始节点。
        target: 目标节点。
    
    Returns:
        list: 最短路径的节点列表，如果不存在路径则返回空列表。
    """
    queue = deque([(start, [start])])
    visited = set()
    
    while queue:
        node, path = queue.popleft()
        if node == target:
            return path
        if node not in visited:
            visited.add(node)
            for neighbor in graph[node]:
                queue.append((neighbor, path + [neighbor]))
    
    return []

# 示例图的邻接表表示
graph = {
    'A': ['B', 'C'],
    'B': ['D', 'E'],
    'C': ['F'],
    'D': ['E', 'G'],
    'E': ['F'],
    'F': [],
    'G': []
}
# 起始节点和目标节点
start_node = 'A'
target_node = 'F'

# 使用广度优先搜索算法查找最短路径
shortest_path_nodes = shortest_path(graph, start_node, target_node)
if shortest_path_nodes:
    print(f"最短路径从节点 {start_node} 到节点 {target_node} 为：", shortest_path_nodes)
else:
    print(f"无法找到从节点 {start_node} 到节点 {target_node} 的路径")

以上是两个示例问题的解决方案，分别使用了线性搜索算法和广度优先搜索算法。这些算法可以轻松地应用于其他类似的问题中，只需要根据问题的特点进行适当的调整。