如何使用python动画演示深度优先算法搜寻逃出迷宫的路径

这篇文章主要介绍了如何使用python动画演示深度优先算法搜寻逃出迷宫的路径，具有一定借鉴价值，感兴趣的朋友可以参考下，希望大家阅读完这篇文章之后大有收获，下面让小编带着大家一起了解一下。

Python主要用来做什么

Python主要应用于：1、Web开发；2、数据科学研究；3、网络爬虫；4、嵌入式应用开发；5、游戏开发；6、桌面应用开发。

深度优先算法(DFS 算法)是什么？

寻找起始节点与目标节点之间路径的算法，常用于搜索逃出迷宫的路径。主要思想是，从入口开始，依次搜寻周围可能的节点坐标，但不会重复经过同一个节点，且不能通过障碍节点。如果走到某个节点发现无路可走，那么就会回退到上一个节点，重新选择其他路径。直到找到出口，或者退到起点再也无路可走，游戏结束。当然，深度优先算法，只要查找到一条行得通的路径，就会停止搜索；也就是说只要有路可走，深度优先算法就不会回退到上一步。

如果你依然在编程的世界里迷茫，可以加入我们的Python学习扣qun：784758214，看看前辈们是如何学习的！交流经验！自己是一名高级python开发工程师，从基础的python脚本到web开发、爬虫、django、数据挖掘等，零基础到项目实战的资料都有整理。送给每一位python的小伙伴！分享一些学习的方法和需要注意的小细节，点击加入我们的python学习者聚集地

下图是使用 DFS 算法搜寻出来的一条路径：

总结一下：

从起点开始，查询下一步走得通的节点，将这些可能的节点压入堆栈中，已经走过的节点不再尝试。查询完毕之后，从堆栈中取出一个节点，查询该节点周围是否存在走得通的节点。如果不存在可能的节点，就继续从堆栈中取一个节点。重复以上操作，直到当前节点为终点，或者堆栈中再无节点。

定义数据：

• 起始节点与目标节点

• 存储节点的堆栈

• 
  

定义辅助函数

• 获取下一节点的函数: successor

• 判断是否为终点的函数: test_goal

首先，我们来定义栈这种数据结构，栈是一种后进先出的数据结构。

因为之后的广度优先搜索会使用到队列，A* 算法会用到优先队列，我们定义了抽象基类，以便后续使用。deque 是双端队列，与内置类型 list 操作类似，但头部与尾部插入和删除操作的时间复杂度均为 O(1)。

# utils.py
from abc import abstractmethod, ABC
from collections import deque
class Base(ABC):
  def __init__(self):
    self._container = deque()
  @abstractmethod
  def push(self, value):
    """push item"""
  @abstractmethod
  def pop(self):
    """pop item"""
  def __len__(self):
    return len(self._container)
  def __repr__(self):
    return f'{type(self).__name__}({list(self._container)})'
class Stack(Base):
  def push(self, value):
    self._container.append(value)
  def pop(self):
    return self._container.pop()

下面我们来定义 dfs 函数。其中，initial 为初始节点, s 为栈，marked 用来记录经过的节点。successor 函数用来搜寻下一个可能的节点，test_goal 函数用来判断该节点是否为目标节点。children 为可能的节点列表，遍历这些节点，将没有走过的节点压入栈中，并做记录。

# find_path.py
from utils import Stack
def dfs(initial, _next = successor， _test = test_goal):
  s: Stack = Stack()
  marked = {initial}
  s.push(initial)
  while s:
    parent: state = s.pop()
    if _test(parent):
      return parent
    children = _next(parent)
    for child in children:
      if child not in marked:
        marked.add(child)
        s.push(child)

接下来，我们使用 DFS 算法寻找迷宫路径，并对搜寻到的迷宫路径进行可视化演示。

首先使用枚举，来表示路径的颜色, EMPTY 为正常节点，BLOCKED 为障碍节点，START 为迷宫入口，END 为迷宫出口，PATH 为搜寻的路径。

from enum import IntEnum
class Cell(IntEnum):
  EMPTY = 255
  BLOCKED = 0
  START = 100
  END = 200
  PATH = 150

接下来，我们来定义迷宫。首先，我们采用 Namedtuple 来定义迷宫每个节点的坐标：

class MazeLocation(NamedTuple):
  row: int
  col: int

首先为了方便确定节点之间的关系，我们在 Maze 类中定义了一个内部类 _Node, 用来记录节点的状态，及节点的父节点。

class _Node:
  def __init__(self, state, parent):
    self.state = state
    self.parent = parent

接着初始化，确定入口与出口的坐标，使用 np.random.choice 函数随机生成迷宫，并标记入口和出口。

def __init__(self, rows: int = 10, cols: int = 10,
       sparse: float = 0.2, seed: int = 365,
       start: MazeLocation = MazeLocation(0, 0),
       end: MazeLocation = MazeLocation(9, 9), *,
       grid: Optional[np.array] = None) -> None:
  np.random.seed(seed)
  self._start: MazeLocation = start
  self._end: MazeLocation = end
  self._grid: np.array = np.random.choice([Cell.BLOCKED, Cell.EMPTY],
                        (rows, cols), p=[sparse, 1 - sparse])
  self._grid[start] = Cell.START
  self._grid[end] = Cell.END

其次是 test_goal 方法，只要该节点坐标与目标节点相即可。

def _test_goal(self, m1: MazeLocation) -> bool:
  return m1 == self._end

再就是 successor 方法，只要上下左右方向的节点不是障碍节点且在边界之内，就纳入考虑范围，加入列表之中。

List[MazeLocation]:
  location: List[MazeLocation] = []
  row, col = self._grid.shape
  if m1.row + 1 < row and self._grid[m1.row + 1, m1.col] != Cell.BLOCKED:
    location.append(MazeLocation(m1.row + 1, m1.col))
  if m1.row - 1 >= 0 and self._grid[m1.row - 1, m1.col] != Cell.BLOCKED:
    location.append(MazeLocation(m1.row - 1, m1.col))
  if m1.col + 1 < col and self._grid[m1.row, m1.col + 1] != Cell.BLOCKED:
    location.append(MazeLocation(m1.row, m1.col + 1))
  if m1.col - 1 >= 0 and self._grid[m1.row, m1.col - 1] != Cell.BLOCKED:
    location.append(MazeLocation(m1.row, m1.col - 1))
  return location

显示路径, pause 为显示图像的间隔,plot 为是否绘图标志。通过目标节点出发，遍历每一个节点的父节点，直到到达初始节点，并绘制路径图。

None:
  if pause <= 0:
    raise ValueError('pause must be more than 0')
  path: Maze._Node = self._search()
  if path is None:
    print('没有找到路径')
    return
  path = path.parent
  while path.parent is not None:
    self._grid[path.state] = Cell.PATH
    if plot:
      self._draw(pause)
    path = path.parent
  print('Path Done')

为了使用 DFS 算法，我们定义了 DepthFirstSearch 类，继承迷宫类。DepthFirstSearch 类重写了基类的 _search 方法，与我们之前定义的 dfs 函数定义相差无几。

class DepthFirstSearch(Maze):
  def _search(self):
    stack: Stack = Stack()
    initial: DepthFirstSearch._Node = self._Node(self._start, None)
    marked: Set[MazeLocation] = {initial.state}
    stack.push(initial)
    while stack:
      parent: DepthFirstSearch._Node = stack.pop()
      state: MazeLocation = parent.state
      if self._test_goal(state):
        return parent
      children: List[MazeLocation] = self._success(state)
      for child in children:
        if child not in marked:
          marked.add(child)
          stack.push(self._Node(child, parent))

感谢你能够认真阅读完这篇文章，希望小编分享的“如何使用python动画演示深度优先算法搜寻逃出迷宫的路径”这篇文章对大家有帮助，同时也希望大家多多支持亿速云，关注亿速云行业资讯频道，更多相关知识等着你来学习!