探讨Java深搜算法的学习笔记
大家好，我是 V 哥。深度优先搜索（DFS）是一种图遍历算法，它优先深入到某条路径的尽头，再回溯到前一个节点继续探索其他路径，直到找到目标或遍历完整个图。DFS的应用场景广泛，可以用于路径搜索、连通性判断、迷宫求解等。以下是一个典型的DFS实现示例以及分析它在不同业务场景中的应用。
V 哥推荐：2024 最适合入门的 JAVA 课程
1. 先来看一个案例
以下为一个Java实现的DFS算法示例，用于在一个二维矩阵中寻找从起点到终点的路径。该矩阵中1表示可以通过的点，0表示障碍物。目标是找到从起点（0,0）到终点（m-1,n-1）的路径。
public class DFSMazeSolver {
private static final int[] DX = {-1, 1, 0, 0}; // 行移动方向：上，下
private static final int[] DY = {0, 0, -1, 1}; // 列移动方向：左，右
public boolean dfs(int[][] maze, int x, int y, boolean[][] visited) {
int rows = maze.length;
int cols = maze[0].length;
// 边界条件与目标判断
if (x < 0 || y < 0 || x >= rows || y >= cols || maze[x][y] == 0 || visited[x][y]) {
return false;
}
// 到达终点
if (x == rows - 1 && y == cols - 1) {
return true;
}
// 标记当前位置已访问
visited[x][y] = true;
// 递归地探索四个方向
for (int i = 0; i < 4; i++) {
int newX = x + DX[i];
int newY = y + DY[i];
if (dfs(maze, newX, newY, visited)) {
return true;
}
}
// 回溯
visited[x][y] = false;
return false;
}
public boolean canSolveMaze(int[][] maze) {
int rows = maze.length;
int cols = maze[0].length;
boolean[][] visited = new boolean[rows][cols];
return dfs(maze, 0, 0, visited);
}
public static void main(String[] args) {
int[][] maze = {
{1, 0, 0, 0},
{1, 1, 0, 1},
{0, 1, 0, 0},
{1, 1, 1, 1}
};
DFSMazeSolver solver = new DFSMazeSolver();
if (solver.canSolveMaze(maze)) {
System.out.println("路径可达");
} else {
System.out.println("无可行路径");
}
}
}
代码说明
- DFS主逻辑：
dfs方法用于在当前位置（x，y）开始深度优先搜索。 - 边界条件：包括是否越界、是否遇到障碍物以及是否已经访问。
- 终点判断：当到达矩阵右下角终点（
rows-1，cols-1）时，返回true。 - 回溯处理：在搜索过程中，为了避免重复访问，将访问过的位置标记为已访问，若搜索失败则回溯重置。
2. 业务场景分析
-
迷宫或地图导航：DFS可用于迷宫或地图路径导航，寻找从起点到终点的路径。在实际应用中，可以在机器人路径规划、无人机飞行路径规划中使用类似的DFS算法。
-
权限和连通性检测：在网络安全中，DFS可以用于检测用户权限或系统连通性，例如检测某用户在权限网络中的访问路径，确保系统关键资源安全。
-
社交网络分析：在社交网络中，DFS可以用于分析用户关系连通性，例如寻找两个人之间的关系链路、推荐相似好友。
-
数据爬取：DFS算法也可用于数据爬取，从起始页面开始深度爬取相关页面信息。
在机器人路径规划和无人机飞行路径规划中，DFS算法可以用来寻找从起点到目标点的可行路径。DFS适合在地图较小且需要找到任意一条可行路径的场景。以下是一个在网格地图上实现DFS的完整Java代码示例，模拟机器人或无人机在二维平面上寻找从起点到目标点的路径。
如何实现无人机飞行路径规划
假设网格中的0表示障碍物，1表示可通行区域。目标是从起点（0, 0）到终点（m-1, n-1）找到一条通路。
import java.util.ArrayList;
import java.util.List;
public class RobotPathPlanner {
// 定义四个方向：上，下，左，右
private static final int[] DX = {-1, 1, 0, 0};
private static final int[] DY = {0, 0, -1, 1};
private static final String[] DIRECTION = {"Up", "Down", "Left", "Right"};
// 存储路径
private List<String> path = new ArrayList<>();
// 深度优先搜索算法
public boolean dfs(int[][] grid, int x, int y, boolean[][] visited) {
int rows = grid.length;
int cols = grid[0].length;
// 边界条件：检查是否越界，是否遇到障碍物，是否已访问
if (x < 0 || y < 0 || x >= rows || y >= cols || grid[x][y] == 0 || visited[x][y]) {
return false;
}
// 如果到达终点位置，路径规划成功
if (x == rows - 1 && y == cols - 1) {
path.add("(" + x + "," + y + ")");
return true;
}
// 标记当前节点为已访问
visited[x][y] = true;
path.add("(" + x + "," + y + ")");
// 遍历四个方向进行递归搜索
for (int i = 0; i < 4; i++) {
int newX = x + DX[i];
int newY = y + DY[i];
if (dfs(grid, newX, newY, visited)) {
path.add(DIRECTION[i]);
return true;
}
}
// 回溯：撤销当前路径点的访问
path.remove(path.size() - 1);
visited[x][y] = false;
return false;
}
public List<String> findPath(int[][] grid) {
int rows = grid.length;
int cols = grid[0].length;
boolean[][] visited = new boolean[rows][cols];
if (dfs(grid, 0, 0, visited)) {
return path;
} else {
path.add("No Path Found");
return path;
}
}
public static void main(String[] args) {
int[][] grid = {
{1, 0, 0, 0},
{1, 1, 0, 1},
{0, 1, 1, 0},
{1, 0, 1, 1}
};
RobotPathPlanner planner = new RobotPathPlanner();
List<String> path = planner.findPath(grid);
System.out.println("规划路径：");
for (String step : path) {
System.out.println(step);
}
}
}
来解释一下代码
- 方向定义：
DX和DY分别代表在网格上移动的方向数组，DIRECTION数组用于记录方向名称，便于输出路径。 - DFS递归搜索：
dfs方法从指定位置(x, y)开始搜索，检查越界、障碍物和访问状态。 - 终点判断：到达终点时返回
true，并将路径记录到path列表。 - 回溯：如果当前路径无效，则回溯并撤销该路径点的访问状态。
- 路径输出：主函数
findPath调用dfs，并根据DFS结果返回路径或“未找到路径”的提示。
机器人路径规划：在仓储物流中，机器人需要规划从起点到指定位置的路径，避开障碍物（如货架），通过DFS可以找到一条可行的路径。
无人机飞行路径规划：在室内或复杂地形中，无人机可以通过DFS找到安全飞行路线，避开障碍物，确保抵达目的地。DFS适用于场地相对较小且只需找到一条路径的场景。
3. 最后的注意事项
- 性能：在较大区域或复杂地形中，DFS可能导致大量回溯。可以用A*或Dijkstra等启发式算法优化。
- 障碍动态性：如果障碍物可能移动，可以定期重新规划路径。
关注威哥爱编程，编码路上V哥陪你不寂寞。