IT数码 购物 网址 头条 软件 日历 阅读 图书馆
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
图片批量下载器
↓批量下载图片,美女图库↓
图片自动播放器
↓图片自动播放器↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁
 
   -> 数据结构与算法 -> 搜索树,图算法,深度优化与广度优化 2021-09-25 -> 正文阅读

[数据结构与算法]搜索树,图算法,深度优化与广度优化 2021-09-25

一、深度搜索与广度搜索

已知连接关系,查出与这个人有直接联系或间接联系的人。
在这里插入图片描述

social_network = {
    '小张': ['小刘', '小王', '小红'],
    '小王': ['六六', '娇娇', '小曲'],
    '娇娇': ['宝宝', '花花', '喵喵'],
    '六六': ['小罗', '奥巴马']
}

def search_graph(graph, start, expand_position):
    need_to_check = [start]
    
    expanded = [] # you can change this to a set
    while need_to_check:
    	# pop(0) 先进先出 队列 实现广度
    	# pop(-1) 先进后出 堆栈 实现深度
        person = need_to_check.pop(expand_position)
        if person in expanded: continue
        connect_person = graph.get(person, {})
        need_to_check += connect_person
        expanded.append(person)
        
    return expanded

def bfs(graph, start): return search_graph(graph, start, expand_position=0)
def dfs(graph, start): return search_graph(graph, start, expand_position=-1)

// 测试
dfs(social_network, '小张')

1.1 如连接关系的数据格式变化为元组

输入变为元组的代码实现

social_network_with_tuple = (
    ('小张', '小刘', '小王', '小红'),
    ('小王', '六六', '娇娇', '小曲'),
    ('娇娇', '宝宝', '花花', '喵喵'),
    ('六六', '小罗', '奥巴马'),
)

def search_graph_tuple(graph, start, expand_position):
    need_to_check = [start]
    
    expanded = [] # you can change this to a set
    while need_to_check:
        person = need_to_check.pop(expand_position)
        if person in expanded: continue
            
        connect_tuple = list(filter(lambda x: x[0] == person, social_network_with_tuple))
        if len(connect_tuple) != 0:
            need_to_check += connect_tuple[0][1:]
        expanded.append(person)
        
    return expanded

二、 代码练习

2.1 需求描述

已知,城市的经纬度,给出起点与终点,每天最多开600km, 规划通行的路径。

2.1.1 数据处理部分

使用正则表达式。将数据解析为字典。

coordination_source = """
{name:'兰州', geoCoord:[103.73, 36.03]},
{name:'嘉峪关', geoCoord:[98.17, 39.47]},
{name:'西宁', geoCoord:[101.74, 36.56]},
{name:'成都', geoCoord:[104.06, 30.67]},
{name:'石家庄', geoCoord:[114.48, 38.03]},
{name:'拉萨', geoCoord:[102.73, 25.04]},
{name:'贵阳', geoCoord:[106.71, 26.57]},
{name:'武汉', geoCoord:[114.31, 30.52]},
{name:'郑州', geoCoord:[113.65, 34.76]},
{name:'济南', geoCoord:[117, 36.65]},
{name:'南京', geoCoord:[118.78, 32.04]},
{name:'合肥', geoCoord:[117.27, 31.86]},
{name:'杭州', geoCoord:[120.19, 30.26]},
{name:'南昌', geoCoord:[115.89, 28.68]},
{name:'福州', geoCoord:[119.3, 26.08]},
{name:'广州', geoCoord:[113.23, 23.16]},
{name:'长沙', geoCoord:[113, 28.21]},
//{name:'海口', geoCoord:[110.35, 20.02]},
{name:'沈阳', geoCoord:[123.38, 41.8]},
{name:'长春', geoCoord:[125.35, 43.88]},
{name:'哈尔滨', geoCoord:[126.63, 45.75]},
{name:'太原', geoCoord:[112.53, 37.87]},
{name:'西安', geoCoord:[108.95, 34.27]},
//{name:'台湾', geoCoord:[121.30, 25.03]},
{name:'北京', geoCoord:[116.46, 39.92]},
{name:'上海', geoCoord:[121.48, 31.22]},
{name:'重庆', geoCoord:[106.54, 29.59]},
{name:'天津', geoCoord:[117.2, 39.13]},
{name:'呼和浩特', geoCoord:[111.65, 40.82]},
{name:'南宁', geoCoord:[108.33, 22.84]},
//{name:'西藏', geoCoord:[91.11, 29.97]},
{name:'银川', geoCoord:[106.27, 38.47]},
{name:'乌鲁木齐', geoCoord:[87.68, 43.77]},
{name:'香港', geoCoord:[114.17, 22.28]},
{name:'澳门', geoCoord:[113.54, 22.19]}
"""

def get_city_info(city_coordination):
    city_loaction = {}
    for city in city_coordination.split("\n"):
        if city.startswith("//"): continue
        if city.strip() == "": continue

        city_name = re.findall(r"name:'(\w+)'", city)[0]
        loaction = re.findall(r'geoCoord:\[(\d+.\d+),\s(\d+.\d+)\]', city)[0]
        city_loaction[city_name] = tuple(map(float,loaction))
    return city_loaction
city_info = get_city_info(coordination_source)

2.1.2 城市直接距离计算

使用球面坐标的距离计算公式,得到城市直接距离。

import math

def geo_distance(origin, destination):
    """
    Calculate the Haversine distance.

    Parameters
    ----------
    origin : tuple of float
        (lat, long)
    destination : tuple of float
        (lat, long)

    Examples
    --------
    >>> origin = (48.1372, 11.5756)  # Munich
    >>> destination = (52.5186, 13.4083)  # Berlin
    >>> round(distance(origin, destination), 1)
    504.2
    """
    lat1, lon1 = origin
    lat2, lon2 = destination
    radius = 6371  # km

    dlat = math.radians(lat2 - lat1)
    dlon = math.radians(lon2 - lon1)
    a = (math.sin(dlat / 2) * math.sin(dlat / 2) +
         math.cos(math.radians(lat1)) * math.cos(math.radians(lat2)) *
         math.sin(dlon / 2) * math.sin(dlon / 2))
    c = 2 * math.atan2(math.sqrt(a), math.sqrt(1 - a))
    d = radius * c

    return d
    
def get_city_distance(city1,city2):
    return geo_distance(city_info[city1],city_info[city2])

get_city_distance("杭州","上海")

2.1.3 计算可以到达的城市关系

# 绘制当前图像
city_graph = nx.Graph()
city_graph.add_nodes_from(list(city_info.keys()))   
nx.draw(city_graph, city_info, with_labels=True, node_size=10)

# 
threshold = 600 
from collections import defaultdict
def build_connection(city_info):
    cities_connection = defaultdict(list)
    cities = list(city_info.keys())
    for c1 in cities:
        for c2 in cities:
            if c1 == c2 : continue
            
            if get_city_distance(c1,c2) < threshold:
                cities_connection[c1].append(c2)
    return cities_connection
    
# 得到能够到达的城市关系
cities_connection = build_connection(city_info)

2.1.4 查找相互连接的城市路径

BFS 1 version

def search_1(graph,start,destination):
    pathes = [[start]]
    visited = set()
    
    while pathes:
        path = pathes.pop(0)
        froniter = path[-1]
        
        if froniter in visited: continue
            
        successsors = graph[froniter]
        
        for city in successsors:
            if city in path: continue  # check loop
            
            new_path = path+[city]
            
            pathes.append(new_path)  #bfs
            #pathes = [new_path] + pathes #dfs
            
            if city == destination:
                return new_path
        visited.add(froniter)
search_1(cities_connection,"上海","香港")
# ['上海', '合肥', '香港']

Optimal search using variation of BFS

def search_2(graph,start,destination,search_strategy):
    pathes = [[start]]
    #visited = set()
    while pathes:
        path = pathes.pop(0)
        froniter = path[-1]
        #if froniter in visited : continue
        #if froniter == destination:
        #    return path
        successsors = graph[froniter]
        
        for city in successsors:
            if city in path: continue  # check loop
            
            new_path = path+[city]
            
            pathes.append(new_path)  #bfs
            
        pathes = search_strategy(pathes)
       # visited.add(froniter)
        if pathes and (destination == pathes[0][-1]):
            return pathes[0]  

当存在多个路径时,按照城市的距离进行排序操作。

def sort_by_distance(pathes):
    def get_distance_of_path(path):
        distance = 0
        for i,_ in enumerate(path[:-1]):
            distance += get_city_distance(path[i],path[i+1])
        return distance
    return sorted(pathes,key=get_distance_of_path)

功能实现

search_2(cities_connection,"北京","上海",search_strategy=sort_by_distance)
# ['北京', '天津', '上海']

三、 编辑距离的练习

在这里插入图片描述
在这里插入图片描述

def Levenshtein_Distance_Recursive(str1, str2): 
    if len(str1) == 0: return len(str2) 
    elif len(str2) == 0: return len(str1) 
    elif str1 == str2: return 0 
    d = 0 if str1[len(str1)-1] == str2[len(str2)-1] else 1
    return min(Levenshtein_Distance_Recursive(str1, str2[:-1]) + 1, Levenshtein_Distance_Recursive(str1[:-1], str2) + 1, Levenshtein_Distance_Recursive(str1[:-1], str2[:-1]) + d)

四、总结

搜索算法可以解决: 路径规划,国家象棋,象棋等问题。

围棋的搜索时间复杂度太高,搜索解决不了后来人们就发明出了新的算法,新的算法,时间复杂度更低。

  • 深度学习
  • 深度强化学习
  数据结构与算法 最新文章
【力扣106】 从中序与后续遍历序列构造二叉
leetcode 322 零钱兑换
哈希的应用:海量数据处理
动态规划|最短Hamilton路径
华为机试_HJ41 称砝码【中等】【menset】【
【C与数据结构】——寒假提高每日练习Day1
基础算法——堆排序
2023王道数据结构线性表--单链表课后习题部
LeetCode 之 反转链表的一部分
【题解】lintcode必刷50题<有效的括号序列
上一篇文章      下一篇文章      查看所有文章
加:2021-09-26 10:26:26  更:2021-09-26 10:27:50 
 
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁

360图书馆 购物 三丰科技 阅读网 日历 万年历 2024年3日历 -2024/3/29 22:28:31-

图片自动播放器
↓图片自动播放器↓
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
图片批量下载器
↓批量下载图片,美女图库↓
  网站联系: qq:121756557 email:121756557@qq.com  IT数码