寻路问题--如何找到一条从起点坐标到终点坐标的路径?

简介:

一,寻路问题介绍

正如组合问题与动态规划的联系之应用提到的从起点(0,0)到终点(X,Y)一共有多少种走法。与之相似的另一个问题是如何找到从(0,0)到(X,Y)的路径?

首先对问题建模。使用一个矩阵(二维数组)的下标 表示 各个点的坐标。矩阵元素只取 0 或者 1,0 表示此坐标是一个可达的正常顶点;而 1 则表示这是一个不可达的障碍顶点。比如 如下矩阵:

{0,0,1,1,0}
{1,0,0,0,0}
{0,1,0,0,0}
{0,0,1,1,0}
{0,1,0,0,0}

从最右上角的顶点(坐标是(0,4)) 到左下的顶点(坐标是(4,0))是 没有 路径的,因为路径不能穿过障碍顶点(4个)

而从最左上角的顶点(坐标是(0,0))到最右下的顶点(坐标是(4,4))是可达的。比如,如下就是顶点坐标就构成了一条可达的路径:

<0,0>  <0,1>  <1,1>  <1,2>  <2,2>  <2,3>  <2,4>  <3,4>  <4,4> 

而本文讨论的是:如何 寻找一条从起点(0,0)到终点(X,Y)的可达路径?为了简便起见,每步只允许向右走,或者向下走。

在这里,默认(X,Y)是可达顶点,因为若(X,Y)是不可达顶点(坐标(x,y)处元素值为1),就没有太大的讨论意义了。

此外,看到了上面的矩阵,是不是想到了图的邻接矩阵表示法?虽然二者的表达的意思有点不一样,但图的基本操作如判断一个顶点到另一个顶点的最短路径问题 与本文中的问题还是很相似的。

 

二,思路分析

提到寻路算法,不得不提到A*算法。由于对A*算法不是太了解,就不详细介绍了。但是A*算法肯定也是可以解决本文的寻路问题的。

在本文中,起点是(0,0);终点是(X,Y)。

①由于每步只能向右走或者向下走,对于(X,Y)而言,只有两种情况到达它。一种是从(X-1,Y)向右走一步到达;另一种是(X,Y-1)向下走一步到达。

这个分析,和组合问题与动态规划的联系之应用的分析一样。唯一的不同是,我们需要记录已经走过的顶点。

因此,类似地也有两种编程实现方式:递归方式和动态规划。

对于动态规划而言,其实就是把已经走过的顶点的“状态”保存起来,这里的顶点的“状态”表示的是:是否存在一条路径,能够从该顶点到达终点。

这也是为什么动态规划要比递归解运行得快 的本质原因。因为,递归求解该问题时,会有大量的重叠子问题。但是递归还是一 一地计算这些重叠的子问题,也就是说递归没有“记忆性”,对于同一个问题出现了若干次,递归解法是每出现一次,就计算一次。而动态规划则是只计算一次,并把计算的结果保存起来,后面再碰到该问题时,直接“查表”找出上次计算保存的结果即可。另外可参考:从 活动选择问题 看动态规划和贪心算法的区别与联系

首先来看递归解:

复制代码
 1     //寻找起点(0,0)到终点(x,y)的一条路径
 2     public boolean findPath(int x, int y, ArrayList<Point> paths)
 3     {
 4         Point p = new Point(x, y);
 5         paths.add(p);//默认终点p的坐标对应的 数组值不是1
 6         
 7         //base condition
 8         if(x == 0 && y == 0)
 9             return true;
10     
11         boolean isSuccess = false;
12         if(y >= 1 && checkFree(x, y - 1))
13             isSuccess = findPath(x, y - 1, paths);
14         if(!isSuccess && x >= 1 && checkFree(x - 1, y))
15             isSuccess = findPath(x - 1, y, paths);
16             
17         if(!isSuccess)
18             paths.remove(p);//O(N)
19         return isSuccess;
20     }
复制代码

Point类封装了点的坐标(横坐标和纵坐标),ArrayList<Point> paths 用来 保存走过的各个顶点的坐标,从而将整个路径记录下来。

第5行首先就把终点(x,y)添加到路径中去--这里默认了终点是可达的,即终点坐标的矩阵值为0

第8-9行是递归的基准条件。也就是说:到了起点(0,0)时,递归就结束了。

第12-13行是判断是否可以从(x,y-1)向下走一步到达(x,y)。if 条件中 y>=1,因为若 y < 1,说明已经不能再往下走了,再往下走,y坐标(纵坐标)就小于0了。

如果12-13行递归返回false,说明:最终未找到一条路径到达终点。故在第14-15行,变换寻找方向:判断是否可以从(x-1,y)到达(x,y)

第17行,表示:不存在路径使得:当前顶点p 到终点(X,Y)是可达的。因此,需要将 p 从ArrayList中删除。(理解递归)

 

再来看看动态规划的实现:

复制代码
 1     //另一种动态规划解决方案,它用HashMap缓存已经检查过的顶点是否可达终点
 2     public boolean findPath_dp2(int x, int y, ArrayList<Point> paths, HashMap<Point, Boolean> cache)
 3     {
 4         Point p = new Point(x, y);
 5         
 6         //先查表.
 7         if(cache.containsKey(p))
 8             return cache.get(p);
 9         
10         paths.add(p);
11         
12         if(x == 0 && y == 0)
13             return true;
14         boolean isSuccess = false;
15         if(x >= 1 && checkFree(x - 1, y))
16             isSuccess = findPath_dp2(x - 1, y, paths, cache);
17         if(!isSuccess && y >= 1 && checkFree(x, y - 1))
18             isSuccess = findPath_dp2(x, y - 1, paths, cache);
19         
20         if(!isSuccess)
21             paths.remove(p);
22         cache.put(p, isSuccess);
23         return isSuccess;
24     }
复制代码

①使用HashMap<Point,Boolean>保存顶点Point是否至少存在一条路径可以到达终点。假设顶点<p1,true>,则表示顶点p1到终点(X,Y)是可达的。

②这里的动态规划实现,也是方法的递归调用。但是,与上面的递归实现中的递归调用有本质不同。

这里在第7-8行,如果cache已经保存某个顶点,则直接返回结果。这就是动态规划中的“查表”。其它代码的实现与递归差不多。需要注意的是:

在第22行,不管isSuccess为true还是False,只要访问了顶点p,就把该顶点 p的结果保存起来。从而使得下一次碰到顶点p时,可直接查表。

比如说:要找到一条到达 (x,y)的路径,就要找出到它的相邻点(x-1,y) 和 (x,y-1)的路径。再看看与(x-1,y) 和 (x,y-1) 相邻的顶点坐标是:

(x-2,y)、(x-1,y-1)(x-1,y-1)、(x,y-2)。(x-1,y-1)出现了两次,这就是重叠子问题。

当第一次访问(x-1,y-1)时,计算出了该顶点是否可达(x,y),当下次再访问 (x-1,y-1)时,动态规划就直接查表获得结果了,而递归实现则是又执行了一次递归调用。

 

另外,还有一种动态规划的实现方式。它不是用HashMap来保存已经访问过的顶点的结果,而是使用一个二维数组来保存某个顶点是否可达终点(x,y)

并根据状态方程: path(X,Y)=hasPath{path(X-1,Y) , path(X,Y-1)} 判断某顶点是否可到达(x,y)

复制代码
 1     public boolean findPath_DP(int x, int y, ArrayList<Point> paths){
 2         //if dp[i][j]=true, exist at least one path from <i,j> to <x,y>(destination)
 3         boolean[][] dp = new boolean[x+1][y+1];//"状态矩阵"保存 各点的可达情况
 4 //        //init
 5 //        for(int i = x - 1; i >= 0; i--){
 6 //            for(int j = y - 1; j >= 0; j--){
 7 //                dp[i][j] = false;
 8 //            }
 9 //        }
10         dp[x][y] = true;//init,初始时终点坐标肯定是可达的.因为 martix[x][y]==0
11         
12         for(int i = x; i >= 0; i--){
13             for(int j = y; j >= 0; j--){
14                 if(dp[i][j])//只有 从可达的点开始(初始时为终点)判断前面一个顶点是否可以到达本顶点
15                 {
16                     if(i >= 1 && checkFree(i-1, j))
17                         dp[i-1][j] = true;
18                     if(j >= 1 && checkFree(i, j-1))
19                         dp[i][j-1] = true;
20                 }
21             }
22         }
23         
24         /*
25          * findPath recursively using dp "state martix"
26          * 它是通过查表 而不是 递归调用 判断 从某个顶点到终点是否可达
27          */
28         return getPath(x, y, dp, paths);
29     }
30     private boolean getPath(int x, int y, boolean[][] dp, ArrayList<Point> paths){
31         Point p = new Point(x, y);
32         paths.add(p);
33         
34         if(dp[x][y] == false)//查表 判断 从<x,y>是否可达终点
35             return false;
36 
37         //base condition
38         if(x == 0 && y == 0)
39             return true;
40         
41         boolean isSuccess = false;
42         if(x >= 1 && (dp[x - 1][y] == true))
43             isSuccess = getPath(x-1, y, dp, paths);
44         if(!isSuccess && y >= 1 && dp[x][y-1] == true)
45             isSuccess = getPath(x, y-1, dp, paths);
46         if(!isSuccess)
47             paths.remove(p);
48         return isSuccess;
49     }
复制代码

①状态矩阵dp[][]对应每个顶点的坐标,第12行-22行检查每个顶点是否存在路径可以到达终点。

②检查完后,在第28行,调用getPath()来找出一条从起点到达终点的路径。可以看出,getPath()寻找路径时,是直接“查表”判断出该顶点是否可达终点的(第34-35行)

而且可以看出,第12-22行的时间复杂度为O(N^2),而递归调用的时间复杂度为O(2^N)

 

三,整个完整代码实现如下:

复制代码
import java.util.ArrayList;
import java.util.HashMap;

public class FinaPath {
    
    private int[][] martix;
    
    private class Point{
        int x;//横坐标
        int y;//纵坐标
        
        public Point(int x, int y) {
            this.x = x;
            this.y = y;
        }
    }
    
    public FinaPath(int[][] martix) {
        this.martix = martix;
    }
    
    //寻找起点(0,0)到终点(x,y)的一条路径
    public boolean findPath(int x, int y, ArrayList<Point> paths)
    {
        Point p = new Point(x, y);
        paths.add(p);//默认终点p的坐标对应的 数组值不是1
        
        //base condition
        if(x == 0 && y == 0)
            return true;
    
        boolean isSuccess = false;
        if(y >= 1 && checkFree(x, y - 1))
            isSuccess = findPath(x, y - 1, paths);
        if(!isSuccess && x >= 1 && checkFree(x - 1, y))
            isSuccess = findPath(x - 1, y, paths);
            
        if(!isSuccess)
            paths.remove(p);//O(N)
        return isSuccess;
    }
    
    private boolean checkFree(int x, int y){
        return martix[x][y] == 0;//0 表示有路
    }
    
    public boolean findPath_DP(int x, int y, ArrayList<Point> paths){
        //if dp[i][j]=true, exist at least one path from <i,j> to <x,y>(destination)
        boolean[][] dp = new boolean[x+1][y+1];//"状态矩阵"保存 各点的可达情况
//        //init
//        for(int i = x - 1; i >= 0; i--){
//            for(int j = y - 1; j >= 0; j--){
//                dp[i][j] = false;
//            }
//        }
        dp[x][y] = true;//init
        
        for(int i = x; i >= 0; i--){
            for(int j = y; j >= 0; j--){
                if(dp[i][j])//只有 从可达的点开始(初始时为终点)判断前面一个顶点是否可以到达本顶点
                {
                    if(i >= 1 && checkFree(i-1, j))
                        dp[i-1][j] = true;
                    if(j >= 1 && checkFree(i, j-1))
                        dp[i][j-1] = true;
                }
            }
        }
        
        /*
         * findPath recursively using dp "state martix"
         * 它是通过查表 而不是 递归调用 判断 从某个顶点到终点是否可达
         */
        return getPath(x, y, dp, paths);
    }
    private boolean getPath(int x, int y, boolean[][] dp, ArrayList<Point> paths){
        Point p = new Point(x, y);
        paths.add(p);
        
        if(dp[x][y] == false)//查表 判断 从<x,y>是否可达终点
            return false;

        //base condition
        if(x == 0 && y == 0)
            return true;
        
        boolean isSuccess = false;
        if(x >= 1 && (dp[x - 1][y] == true))
            isSuccess = getPath(x-1, y, dp, paths);
        if(!isSuccess && y >= 1 && dp[x][y-1] == true)
            isSuccess = getPath(x, y-1, dp, paths);
        if(!isSuccess)
            paths.remove(p);
        return isSuccess;
    }
    
    //另一种动态规划解决方案,它用HashMap缓存已经检查过的顶点
    public boolean findPath_dp2(int x, int y, ArrayList<Point> paths, HashMap<Point, Boolean> cache)
    {
        Point p = new Point(x, y);
        
        //先查表.
        if(cache.containsKey(p))
            return cache.get(p);
        
        paths.add(p);
        
        if(x == 0 && y == 0)
            return true;
        boolean isSuccess = false;
        if(x >= 1 && checkFree(x - 1, y))
            isSuccess = findPath_dp2(x - 1, y, paths, cache);
        if(!isSuccess && y >= 1 && checkFree(x, y - 1))
            isSuccess = findPath_dp2(x, y - 1, paths, cache);
        
        if(!isSuccess)
            paths.remove(p);
        cache.put(p, isSuccess);
        return isSuccess;
    }
    
    //test
    public static void main(String[] args) {
        
        //0表示有路,1表示障碍
        int[][] martix = {
            {0,0,1,1,0},
            {1,0,0,0,0},
            {0,1,0,0,0},
            {0,0,1,1,0},
            {0,1,0,0,0}
                };
        FinaPath fp = new FinaPath(martix);
        ArrayList<Point> paths = new ArrayList<FinaPath.Point>(martix.length + martix[0].length);
        int endPivot_x = 4;
        int endPivot_y = 4;
        boolean hasPath = fp.findPath(endPivot_x, endPivot_y, paths);
        if(hasPath)
            printPath(paths);
        else
            System.out.println("recursive finds no path");
        
        System.out.println();
        
        ArrayList<Point> paths_dp = new ArrayList<FinaPath.Point>();
        boolean hasPath_DP = fp.findPath_DP(endPivot_x, endPivot_y, paths_dp);
        if(hasPath_DP)
            printPath(paths_dp);
        else
            System.out.println("dp finds no path");
        
        System.out.println();
        
        ArrayList<Point> paths_dp2 = new ArrayList<FinaPath.Point>();
        HashMap<Point, Boolean> cache = new HashMap<FinaPath.Point, Boolean>(endPivot_y + endPivot_x);
        boolean hasPath_DP2 = fp.findPath_dp2(endPivot_x, endPivot_y, paths_dp2, cache);
        if(hasPath_DP2)
            printPath(paths_dp2);
        else
            System.out.println("dp2 finds no path");
    }
    private static void printPath(ArrayList<Point> paths){
        for(int i = paths.size() - 1; i >= 0; i--)
        {
            System.out.print("<" + paths.get(i).x + "," + paths.get(i).y + ">");
            System.out.print("  ");
        }
    }
}
复制代码

 本文转自hapjin博客园博客,原文链接:http://www.cnblogs.com/hapjin/p/5705319.html,如需转载请自行联系原作者

相关文章
|
编解码 索引 Python
python--根据任意非网格经纬度坐标,找到均匀网格点上最接近的经纬度坐标
需求:根据非规则经纬度坐标,查找均匀网格点上最接近的经纬度坐标,并提取该点上的变量。
python--根据任意非网格经纬度坐标,找到均匀网格点上最接近的经纬度坐标
|
4月前
|
机器学习/深度学习 算法 C++
【算法 | 实验6-1】n*n的网格,从左上角开始到右下角结束遍历所有的方块仅一次,总共有多少种不同的遍历路径
前言 思路介绍中省略了关于如何进行回溯搜索的细节,而主要讨论回溯中所使用的剪枝策略。
62 0
|
10月前
给定三个顶点的坐标使用程序计算三角形
给定三个顶点的坐标使用程序计算三角形
32 0
|
10月前
|
Java 索引
给定一个多边形的点集——判断所给点集的方向为顺时针方向还是逆时针方向【java实现+原理讲解】
给定一个多边形的点集——判断所给点集的方向为顺时针方向还是逆时针方向【java实现+原理讲解】
150 0
|
C++ 计算机视觉
C++使用opencv判断一个点是否在多边形之内
C++使用opencv判断一个点是否在多边形之内
158 0
|
算法
如何判断一个点是否在多边形内部?
如何判断一个点是否在多边形内部?
912 0
|
C++ 计算机视觉
判断一个点是否在RotatedRect中
openCV函数pointPolygonTest(): C++: double pointPolygonTest(InputArray contour, Point2f pt, bool measureDist) 用于判断一个点是否在轮廓中 当measureDist设置为true时,若返回值为正,表示点在轮廓内部,返回值为负,表示在轮廓外部,返回值为0,表示在轮廓上。
1616 0
|
C#
用动画的方式画出任意的路径(直线、曲线、折现)
原文:用动画的方式画出任意的路径(直线、曲线、折现) 版权声明:本作品采用知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议进行许可。欢迎转载、使用、重新发布,但务必保留文章署名吕毅(包含链接:http://blog.csdn.net/wpwalter/),不得用于商业目的,基于本文修改后的作品务必以相同的许可发布。
1159 0
|
UED SEO 双11
绿联-新的网站,新的起点
深圳市绿联科技有限公司(UGREEN GROUP LTD)是集数码配件、充电设备等产品的自主研发、设计、生产、销售于一体的国家级高新技术企业。通过与米拓建站的合作,打造了属于自己的官网,对官网的成功运营,优化了其品牌形象、扩大了品牌影响力、促进了公司的销售量。
平面上给定n条线段,找出一个点,使这个点到这n条线段的距离和最小。
题目:平面上给定n条线段,找出一个点,使这个点到这n条线段的距离和最小。 源码如下: 1 #include 2 #include 3 #include 4 #include 5 #include 6 #include 7 ...
1064 0