最短路径求解算法

最短路径求解算法

路径规划算法是指在一个空间内，寻找点A到点B所经过的路径。本文主要围绕两类路径规划算法问题进行讨论。

1. 求一个带权网格中两点之间的最短路径。
2. 求一个不带权网格中两点之间路径，网格中包含障碍物但障碍物可以破坏k个( 0 ≤ k )？

1. 求一个带权网格中两点之间的最短路径

这属于动态规划（Dynamic Programming，DP）问题，求解思路如下。针对下表，为了求解（0，0）到（3,4）的最短路径，将问题进行划分，如果确定了点（0,0）到（2,3）、（2,4）和（3,4）之间的最短路径a1,a2,a3，则10+min{a1,a2,a3}就为最终的最短路径（0，0）到（3,4）之间的最短路径，这样将大的问题逐渐缩小可使最终问题求解，求解最短路径的过程就是不但求解点（0,0）到中间节点最短路径的过程。

练习题：: https://blog.csdn.net/o83290102o5/article/details/104224603.
3. 求一个不带权网格中两点之间路径，网格中包含障碍物但障碍物可以破坏k个？
主要用到了广度优先遍历（Breadth First Search，BFS）算法，深度优先遍历（Depth First Search，DFS）和广度优先遍历都能够求得一个点到另外一个点的最短路径，但是思路略有不同。
使用深度优先遍历算法求解最短路径是需要穷举所有路径，然后比较所有路径的代价最终确定最短路径，中间根据最短路径同一个点不会重复访问进行剪枝。
广度优先遍历求解虽然也属于暴力破解，但是在求解过程中存在剪枝操作更多主要体现在：
1.最短路径的同一个点不会重复访问。
2.所有路径都一起找，所有路径每一次都一起向前移动一个单位，最先到达定点的一定是最短路径，其它路径不同在进行查找，这也是BFS在速度上由于DFS的主要原因。
练习: https://leetcode-cn.com/problems/shortest-path-in-a-grid-with-obstacles-elimination/submissions/.

总结

BFS可以看成剪枝后的动态规划算法，第一个问题其实也可以使用BFS进行解决。