Uninformed search Python实现【译】

最新推荐文章于 2025-03-31 14:45:31 发布

weixin_34248705

最新推荐文章于 2025-03-31 14:45:31 发布

阅读量280

点赞数

CC 4.0 BY-SA版权

文章标签： python 数据结构与算法

原文链接：https://segmentfault.com/a/1190000010752315

本文介绍了盲目搜索算法的基础概念，包括深度优先搜索（DFS）、广度优先搜索（BFS）及一致代价搜索（UCS），并提供了Python实现示例。通过对比不同算法的特点，帮助读者理解它们的应用场景。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

译自 Uninformed search algorithms in Python
版权所有，如需转载，请联系译者

图的搜索可以分为uninformed搜索和informed搜索，两者的区别是前者是的搜索是盲目的，它不知道目标节点在哪，而后者是启发式的搜索。

主要的uninformed 搜索分为以下三类：

深度优先搜索（DFS）
广度优先搜索（BFS）
一致代价搜索（UCS）

创建图

使用邻接矩阵的形式创建图，为简便起见，这里省去节点的其他信息，直接使用一个字典表示，key表示节点，value表示邻接节点：

small_graph = {
    'A': ['B', 'C'],
    'B': ['D', 'A'],
    'C': ['A'],
    'D': ['B']
}

深度优先搜索

深度优先搜索会优先检索第一个邻接节点，然后重复这个过程，直到到达分支的底部，然后回溯。DFS可以通过递归实现，也可以通过递归实现。

具体实现需要保存已经访问的节点，同时判断边缘条件：

def dfs(graph, start, goal):
    visited = set()
    stack = [start]

    while stack:
        node = stack.pop()
        if node not in visited:
            visited.add(node)

            if node == goal:
                return
            for neighbor in graph[node]:
                if neighbor not in visited:
                    stack.append(neighbor)

广度优先搜索

实际上，只需要将上面算法中的stack改为queue，即可实现广度优先搜索。深度优先搜索总是会展开最新的节点，而广度优先搜索总是展开最老的节点，这就是他们为什么一个使用栈，一个使用队列的原因。

from collections import deque

def bfs(graph, start, goal):
    visited = set()
    queue = [start]

    while queue:
        node = queue.pop()
        if node not in visited:
            visited.add(node)

            if node == goal:
                return
            for neighbor in graph[node]:
                if neighbor not in visited:
                    queue.appendleft(neighbor)

一致代价搜索

该算法主要针对的是加权图，加权图每条边都有一个权值，权值低的边优先遍历，首先，我们创建一个加权图类：

class Graph:
    def __init__(self):
        self.edges = {}
        self.weights = {}

    def neighbors(self, node):
        return self.edges[node]

    def get_cost(self, from_node, to_node):
        return self.weights[(from_node + to_node)]

UCS跟广度优先搜索类似，也使用一个queue实现，但是使用的是加权队列

from queue import PriorityQueue

当每条边的cost相同时，UCS实际上就是BFS。

def ucs(graph, start, goal):
    visited = set()
    queue = PriorityQueue()
    queue.put((0, start))

    while queue:
        cost, node = queue.get()
        if node not in visited:
            visited.add(node)

            if node == goal:
                return
            for i in graph.neighbors(node):
                if i not in visited:
                    total_cost = cost + graph.get_cost(node, i)
                    queue.put((total_cost, i))

总结

UCS会检索一条权重之和最小的路径，而BFS会检索出一条边最少的路径。