Python求两点间最短距离

本文介绍了如何运用广度优先搜索(BFS)算法解决一个算法笔试题,即在一个存在障碍的10x10网格中找出两点间的最短路径。代码实现中,首先定义了判断障碍点的函数,然后通过BFS遍历并更新每个相邻节点的距离,直到找到目标点。最后给出了具体实例的运行结果。
摘要由CSDN通过智能技术生成

文章目录


前言

刷到一道算法笔试题,求在有障碍的“棋盘”上任意两点最短路径。


题目描述

如图为一个10*10的网格图,黑点处为障碍物,给定任意两点——start和end,求最短路径,走一格距离为1。

在这里插入图片描述

Code

# 算法思想:通过BFS找end,找到就停
# 部分变量含义:
# value->网格图列表
# hinders->障碍点坐标列表
# visit->访问点及对应距离的字典
# lis->用于bfs的队列
def inHinder(point, hinders):
    if point in hinders:
        return True
    else:
        return False

def findMinPath(start , end, hinders):
    start = tuple(start)
    end = tuple(end)
    # 存储访问过的点和对应距离
    visit = dict()
    visit[start] = 0

    # 建立队列,使用广度优先搜索
    lis = list()
    lis.append(start)

    while 1 :
        tmp = lis[0]
        tmp = list(tmp)
        tmp[1] += 1
        UP = tuple(tmp)
        tmp[1] -= 2
        DOWN = tuple(tmp)

        tmp = lis[0]
        tmp = list(tmp)
        tmp[0] -= 1
        LEFT = tuple(tmp)
        tmp[0] += 2
        RIGHT = tuple(tmp)
        
        tmp = lis[0]

        if UP not in visit and inHinder(UP, hinders) == False:
            lis.append(UP)
            visit[UP] = visit[tmp] + 1
        if DOWN not in visit and inHinder(DOWN, hinders) == False:
            lis.append(DOWN)
            visit[DOWN] = visit[tmp] + 1
        if LEFT not in visit and inHinder(LEFT, hinders) == False:
            lis.append(LEFT)
            visit[LEFT] = visit[tmp] + 1
        if RIGHT not in visit and inHinder(RIGHT, hinders) == False:
            lis.append(RIGHT)
            visit[RIGHT] = visit[tmp] + 1

        # 出队
        lis.pop(0)

        # end被访问,跳出循环
        if end in visit:
            break

    return visit[end]

def main():
    hinders = set()
    value = [
        0, 0, 0, 0, 0, 0, 1, 0, 0, 0,
        0, 0, 0, 0, 0, 0, 1, 1, 0, 0,
        0, 0, 0, 1, 0, 0, 0, 0, 0, 0,
        0, 0, 0, 1, 1, 0, 0, 0, 0, 0,
        0, 0, 0, 0, 0, 1, 1, 1, 0, 0,
        0, 0, 0, 0, 0, 0, 0, 0, 1, 0,
        0, 1, 0, 0, 0, 1, 0, 0, 0, 0,
        0, 1, 1, 1, 1, 0, 0, 0, 0, 0,
        0, 0, 0, 0, 1, 0, 0, 0, 0, 0,
        0, 0, 0, 0, 0, 0, 0, 0, 0, 0
    ]
    for i in range(len(value)):
        if value[i] == 1:
            tmpx = i % 10
            tmpy = 10 - i // 10 - 1
            tmp = list()
            tmp.append(tmpx)
            tmp.append(tmpy)
            tmp = tuple(tmp)
            hinders.add(tmp)

    print(findMinPath(start=[1,1], end=[2,3], hinders=hinders))


if __name__ == '__main__':
    main()
  • 1
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
可以使用Dijkstra算法两点的最短路径,以下是Python实现代码: ```python import heapq # 定义图类 class Graph: def __init__(self): self.nodes = set() # 存储节点的集合 self.edges = {} # 存储边的字典,键为起点,值为终点和距离的元组列表 self.distances = {} # 存储每个节点到起点的距离 # 添加节点 def add_node(self, value): self.nodes.add(value) # 添加有向边 def add_edge(self, from_node, to_node, distance): if from_node not in self.edges: self.edges[from_node] = [] self.edges[from_node].append((to_node, distance)) # 计算最短路径 def dijkstra(self, initial): # 初始化距离 self.distances = {node: float('inf') for node in self.nodes} self.distances[initial] = 0 # 使用堆来优化寻找下一个节点的过程 heap = [(0, initial)] while heap: # 弹出堆顶元素,即距离起点最近的节点 (distance, current_node) = heapq.heappop(heap) # 如果当前节点已经被处理过,则跳过 if distance > self.distances[current_node]: continue # 遍历当前节点的邻居节点 for (neighbor, edge_weight) in self.edges[current_node]: # 计算新的距离 new_distance = distance + edge_weight # 如果新的距离比之前计算的距离小,则更新距离 if new_distance < self.distances[neighbor]: self.distances[neighbor] = new_distance # 将邻居节点加入堆中 heapq.heappush(heap, (new_distance, neighbor)) # 返回所有节点到起点的最短距离 return self.distances ``` 使用示例: ```python # 创建图对象 graph = Graph() # 添加节点 graph.add_node('A') graph.add_node('B') graph.add_node('C') graph.add_node('D') graph.add_node('E') # 添加边 graph.add_edge('A', 'B', 6) graph.add_edge('A', 'D', 1) graph.add_edge('B', 'C', 5) graph.add_edge('B', 'D', 2) graph.add_edge('B', 'E', 2) graph.add_edge('C', 'E', 5) graph.add_edge('D', 'E', 1) # 计算最短路径 distances = graph.dijkstra('A') # 输出结果 print(distances) ``` 输出结果为: ``` {'A': 0, 'B': 3, 'C': 8, 'D': 1, 'E': 2} ``` 其中,键为节点名称,值为到起点的最短距离
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值