用STL实现先深搜索及先宽搜索算法

最新推荐文章于 2024-05-04 17:55:32 发布

alai04

最新推荐文章于 2024-05-04 17:55:32 发布

阅读量3.3k

点赞数

文章标签：算法 vector iterator class search tree

本文链接：https://blog.csdn.net/alai04/article/details/704938

版权

用STL实现先深搜索及先宽搜索

先深搜索和先宽搜索算法是对问题状态空间树(state space tree)进行搜索的两种方法。问题状态空间树是指用树的结构来表示所有的问题状态，树中的每一个结点确定了所求解问题的一个问题状态(problem state)；树中有些结点代表的是答案状态(answer state)，即是那些满足求解条件的状态。要从一棵问题状态空间树中找出满足求解条件的答案状态结点，办法有两种：先深搜索法DFS(depth first search) 和先宽搜索法BFS(breadth first search)。

两种搜索方法都可以确保找到问题的答案（如果有的话），其主要差异在于采用不同的搜索策略，从而对于不同的问题，两种搜索方法的效率可能有所不同。另外，如果要求找出最低代价（如最少的步数）的解法，则通常只能使用BFS。不过这些都不是这篇文章所关心的，大家如果有兴趣，可以找找相关的算法书籍。

这里要讨论的是，如何使用Template和STL来实现一个较为通用（当然也还不是万能的）DFS和BFS。

首先，我们要关注的是问题状态空间树，通常这棵树非常之大，结点非常之多，建立一棵完整的状态空间树通常需要耗费大量的时间，甚至会远远超出从这棵树中搜索出答案的时间。试想一下，如果我们可以用程序建立出这么一棵完整的状态空间树，那么我们只要在建立的时候稍微多做一点事情，即在生成每个结点时检查一下，不就可以轻而易举地找出所有答案了吗？所以，先将整棵状态空间树建立起来，再进行搜索的方法是行不通的。

更为合理的方法是：边建立状态空间树，边进行搜索。我的想法是：用一个容器来表示状态空间树，用算法逐步生成树的下一层结点，每生成一个结点就放入容器中；同时，每次从容器中取出一个结点检查其是否满足条件，如果是则表示找到一个答案状态结点，否则就以该结点为输入生成下一步的状态结点。开始时，容器中只有一个结点，既代表初始问题的状态结点，以此为搜索算法的起点进行迭代来找答案，根据问题的不同要求，我们可以在找到一个答案后停止搜索，也可以继续搜索以找出所有答案。

如果用容器来表示状态空间树，DFS和BFS对容器有什么不同的要求呢？我们来看一下图示：

假如我们有初始问题状态A，从A可以生成下一层（或者说下一步）的状态B、C、D，同样从B可以生成下一层的状态E、F、G。对于DFS，我们的搜索顺序应该是A、B、E…，结合我们前面所说的边生成树边搜索的方法，这些状态的生成次序应该是A、B、C、D、E、F、G…，所以用栈(stack) 来作为存放状态树的容器就最合适了。我们把初始状态A入栈，然后按以下方法进行迭代：从栈中取出一个结点(状态)，根据该状态生成下一层结点(所有可能的下一步状态)，逐一压入栈中(同一层的结点入栈的顺序不太要紧，为了易于表述，我们假设以D、C、B的顺序入栈)；如此类推，取出B，生成E、F、G入栈。对于状态是否满足解答条件的判断可以在入栈前或出栈后进行，当然出于效率的考虑，我们建议在入栈前进行判断，这样符合条件的答案状态就可以不必入栈了。

我们再来看看BFS，正确的搜索顺序应该是A、B、C、D、E…，这个顺序与状态的生成顺序完全相同，所以这次应该用队列(queue) 来作为存放状态树的容器了。我们把初始状态A放入队列，然后按以下方法进行迭代：从队列中取出一个结点(状态)，根据该状态生成下一层结点(所有可能的下一步状态)，逐一放入队列中；如此类推，取出B，生成E、F、G放入队列。同样，我们在把状态放入队列前进行是否满足解答条件的判断，这样符合条件的答案状态就可以不必放入队列了。

通过以上的分析，我们已经有了算法的大概轮廓了。但我们还缺少三样东西，一个是如何从一个状态生成下一步状态，另一个是如何判断是否得到了答案状态，还有一个就是得到答案状态后如何办。显然，这些东西都是与具体问题相关的，最好的办法就是把它们作为模板参数，这样的话我们的算法就可以有最广泛的适用范围了。

那么，我们是否需要三个模板参数呢？个人认为，前两样东西属于如何构造一个具体问题的解法，而最后一样东西则是指找到答案后的处理方法。所以，我把前两者封装成一个类(对应于状态空间树中的结点，该结点知道如何生成下一层结点，也知道自己是否满足解答条件)，而把后者实现成一个函数对象。

#include <stack>

#include <vector>

using std::stack;

using std::vector;

template <class T1, class T2>

int DepthFirstSearch(const T1& initState, const T2& afterFindSolution)

// initState : 初始化状态，类T1应提供成员函数nextStep()和isTarget()，

// nextStep(vector<T1>&) 用于返回下一步可能的所有状态，

// isTarget() 用于判断当前状态是否符合要求的答案；

// afterFindSolution : 仿函式，在找到一个有效答案后调用之，它接受一个const T1&，

// 并返回一个Boolean值，true表示停止搜索，false表示继续找

// return : 找到的答案数量

{

int n = 0;

stack<T1> states;

states.push(initState);

vector<T1> nextStates;

bool stop = false;

while (!stop && !states.empty())

{

T1 s = states.top();

states.pop();

nextStates.clear();

s.nextStep(nextStates);

for (typename vector<T1>::iterator i = nextStates.begin();

i != nextStates.end(); ++i)

{

if (i->isTarget())

{ // 找到一个目标状态

++n;

if (afterFindSolution(*i)) // 处理结果并决定是否停止搜索

{

stop = true;

break;

}

} else { // 不是目标状态，放入搜索队列中

states.push(*i);

}

return n;

}

程序比较简单，相信大家能够看懂。关键有以下几点：

1. 类T1由算法使用者提供，它必须具有可以表示问题状态的数据成员，并提供两个成员函数：void n extStep(vector<T1>&)和 boolean isTarget()；前者以自身状态为起点，返回所有可能的下一步状态，由于可能的下一步状态数量不定，所以需要用vector<T1>&来返回；后一个成员函数则比较简单，返回一个 boolean值来判断自身状态是否满足解答条件。

2. 类T2为函数指针类型或函数对象类型，该函数接受一个const T1&参数，并返回一个 boolean值，传入的参数即为搜索算法找到的一个答案状态，函数可以按自己的方法处理它（如打印到终端，或写入到文件等），然后返回一个 boolean值来表示是否继续搜索其它答案（有一些问题只要求找到一个答案即可，而另一些问题则要求找出所有答案）。

3. stack<T1> states就是用于存入状态空间树的栈容器，就象我们前面所分析的那样，使用栈容器可以很好地模拟出先深搜索DFS。

看过了DFS，相信大家都知道BFS也会和DFS差不了多少。以下是我的代码：

#include <queue>

#include <vector>

using std::queue;

using std::vector;

template <class T1, class T2>

int BreadthFirstSearch(const T1& initState, const T2& afterFindSolution)

// initState : 初始化状态，类T1应提供成员函数nextStep()和isTarget()，

// nextStep() 用vector<T1>返回下一步可能的所有状态，

// isTarget() 用于判断当前状态是否符合要求的答案；

// afterFindSolution : 仿函式，在找到一个有效答案后调用之，它接受一个const T1&，