深度优先解决搬动积木块问题python

首先我们来看题目,题目要求我们对初始状态到目标状态进行求解,我们对初始状态分析可得

 把该搜索策略的过程构建为多叉树

 

 那么根据题目要求,我们能知道从初始状态到目标状态的过程就是从状态A到状态K的过程,

求解思路为

1.传入start 和 end 两个 目标值

2. 找到从根节点到目标节点的路径

3. 从所在路径,寻找最近的公共祖先节点,

4. 对最近公共祖先根节点 拼接路径

import copy

#节点数据结构
class Node(object):
    def __init__(self,value=None):#初始化节点
        self.value = value#节点值
        self.child_list = []#子节点列表
    def add_child(self,node):
        self.child_list.append(node) #添加子节点
'''构建多叉树
                 A
        B        C        D
    E  F  G  H            I
    J  K
'''
def init():
    root = Node('A')
    B = Node('B')
    root.add_child(B)
    root.add_child(Node('C'))
    D = Node('D')
    root.add_child(D)
    E = Node('E')
    B.add_child(E)
    F = Node('F')
    B.add_child(F)
    B.add_child(Node('G'))
    B.add_child(Node('H'))
    D.add_child(Node('I'))
    E.add_child(Node('J'))
    F.add_child(Node('K'))
    return root


def deep_first_search(cur,val,path=[]):#深度优先,找到从初始状态到目标状态的路径
    path.append(cur.value)   #当前节点值添加到路径
    if cur.value == val:   #判断是否找到目标值,如果找到则返回该路径
        return path
    if cur.child_list == []:#判断子节点列表是否为空
        return 'no'
    for node in cur.child_list:  #对子列表里的每个每个子节点进行递归
        t_path = copy.deepcopy(path) #将临时路径path拷贝到t-path
        res = deep_first_search(node,val,t_path)
        if res == 'no':   #判断是否为no,如果是则继续寻找子节点
            continue     #终止本次循环
        else:
            return res  #如果不是no,则说明找到了路径,返回res
    return 'no'
'''输入两个目标值start和end,找到从根节点到目标节点的路径,然后找到两条路径的公共父节点,将两条路径进行合并'''
def get_shortest_path( start,end ):
    path1 = deep_first_search(root, start, [])
    path2 = deep_first_search(root, end, [])
    if path1 == 'no' or path2 == 'no':
        return '无穷大','无节点'     #
    #两条路径从后向前找公共父节点
    len1,len2 = len(path1),len(path2)
    for i in range(len1-1,-1,-1):
        if path1[i] in path2:
            index = path2.index(path1[i])
            path2 = path2[index:]
            path1 = path1[-1:i:-1]
        break
    res = path1+path2 #目标路径
    length = len(res)
    path = '->'.join(res)#将路径进行合并
    return '%s:%s'%(length,path)
if __name__=='__main__':
    root=init()
    res = get_shortest_path('A','K')
    print("寻找目标解的路径为:",res)

运行结果为

 本题解题灵感来自https://blog.youkuaiyun.com/weixin_30905133/article/details/96071969

### Python递归函数概述 在Python编程中,递归是一种常见且强大的算法思想[^2]。通过让函数在其定义体内调用自身来解决问题,这种方法能够简化复杂逻辑,使代码更加简洁易懂。 #### 什么是递归? 当一个函数在其主体部分直接或者间接地调用了它自己,则该函数被称为递归函数。这种特性允许程序按照一定模式反复执行相同的操作直到满足特定条件为止[^4]。 #### 定义与基本结构 为了创建有效的递归函数,通常需要遵循两个主要原则: - **基准情况(Base Case)**:这是终止递归的关键所在,即不再继续调用自己的情形; - **递推关系(Recursive Step)**:描述如何基于更简单的情况构建当前问题解决方案的方式; 例如,在计算阶乘时可以这样设计: ```python def factorial(n): if n == 0 or n == 1: # 基准情况 return 1 else: return n * factorial(n - 1) # 递推关系 ``` #### 实际应用案例分析 考虑经典的汉诺塔(Hanoi Tower)问题作为实际应用场景之一。此问题是关于将一组不同大小圆盘从一根柱子移动到另一根的目标位置上,每次只允许搬动最上面的一片,并且任何时候都不能把较大的放在较小之上[^3]。 下面是解决这个问题Python代码片段: ```python def hanoi_tower(disk, source='A', auxiliary='B', target='C'): if disk == 1: print(f'Move {source} -> {target}') else: hanoi_tower(disk - 1, source, target, auxiliary) print(f'Move {source} -> {target}') hanoi_tower(disk - 1, auxiliary, source, target) hanoi_tower(3) ``` 这段代码展示了如何利用递归来优雅而清晰地表达复杂的操作流程。 #### 需要注意的问题 尽管递归提供了编写干净、直观代码的可能性,但在实践中也存在一些潜在风险和局限性: - 默认情况下,Python解释器设置了一个最大递归深度限制(通常是997),超出这个数值将会引发`RecursionError`异常。 因此,在处理大规模数据集或涉及深层嵌套的情况下应谨慎使用递归技术,并考虑采用其他替代方案如迭代等方法优化性能表现。
评论
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