此篇文章源自对一个有趣问题的思考,在我的另一篇博文《》中有详细介绍。在已知其结论的情况下,作为程序员的我,还是想利用该问题当做出发点,写一个可以遍历所有“可能路线”的寻路算法,当做学习“图”相关算法的练习。如果对那个原始问题有兴趣,点击上面的文章链接,出门右转便是。
一、问题回顾
还是要简单描述一下问题:有一个 5 X 5 的点方阵,如下图,要想用一笔画将所有的蓝色点连起来,是否有可行路线。需要满足3点要求:
1、笔画必须水平或垂直。 2、笔画不可以超出方阵边界之外, 3、每个点只经过一次,且不可以经过黄色点。 这个问题的数学证明已经在开头的文章中给出,在此不做赘述。这里只考虑它的算法实现。 在思考算法之前,需要先对问题进行抽象分析,我们可以将上面的问题理解成下图这样 :二、抽象分析
由于题目已经被数学证明没有一条路线能够满足题目要求,所以算法的目的不是为了找到所谓符合要求的路线,而是遍历从出发点向网格中所有点可形成的所有路线。可以假设上面的网格是一个地图,小明同学按照地图在网格中行走,目的是找出从出发点到所有点的所有路线。小明先在地图中规定坐标,网格底边作为x轴,左侧的竖边作为y轴,那么红色五角星坐标就是(1,4)。小明从原点开始出发,刚开始时地图中所有的交叉点都被标记“未走过”标识。小明随机选择下一个点,假如依次经过(0,0)、(1,0)、(1,1)、(2,1)、(2,2)、(3,2)、(4,2)、(4,1)、(4,0)、(3,0)、(3,1),每往前走一个点,他都会在地图的相应位置标记已经走过。走到(3,1)时,由于四周的(2,1)、(3,2)、(4,1)都已经走到过,所以往前是无路可走的,只能逐步回退,回退之前小明为了下次不再重新走这个线路,他将这个线路记到了本子上,并标记本路线为历史路线,然后回退,每回退一步小明都会在离开的那个位置将“已走过”的标记涂抹掉并改为“未走过”标识,因为这样当下次从其他路线走时还可以走那个位置。当回退到(3,0)时,(3,1)位置就会由标记“已走过”改为标记“未走过”的状态,并发现临近的(2,0)还没有走过,于是不再回退,转向(2,0)。到达(2,0)时,又出现了无路可走的情况,于是记录当下的路线,然后回退并标记地图。当回退到(3,0)时,虽然会发现(3,1)是“未走过”状态,但由于如果走(3,1)的话就会发现这条路线在笔记本的历史路线中已经出现过,所以依然不能走(3,1),继续回退,按照这个原则一直走下去,直到遍历完从起点出发到达地图上所有点的所有路线,小明最终一定会回到起点。此时他笔记本中的历史路线列表,就是从起点达地图上所有点的所有路线。
三、算法分析
考虑到算法的实现,这显然是利用了数据结构中的“图”。每一次路线尝试,都是对图的深度遍历,算法要做的事情,无非就是随机选择起点,然后不断地深度遍历新的路线。每往前走一步,就将新位置放进栈。这里要注意的是,针对每一次尝试,当走到无路可走时,并不意味着24个点全部已经遍历到了,因为根据规则,无路可走的原因可能是当下点的四周位置(下面统称为“邻居”)已经全部走过了,即它们已经在栈中了,或者是走到了边角的位置。那么此时无路可走该怎么办呢?是重新从起点开始呢,还是怎样。理论上都可行,不过考虑到效率,即让算法尽量少做重复的事情,我选择在无路可走时,将当下的路线(一个由点序列组成的数组)做记录(存入一个集合中,这个集合记录着所有历史路线),然后回退并将离开的位置从栈弹出,每次回退都将当下路线记录为历史路线,直到周围存在“没有在栈中的点”时不再回退,而是转向新的位置。此时,最近一次回退的那个历史路线决定了下次不会再走这个路线的方向。(假如连续回退了N步,那么最近一次回退的那个历史路线则是临近前N-1次回退历史路线的子集)。不断以上面的方式进行下去,由于“地图”是有限的,当所有可能路线全部遍历过时,最终一定会回到起点。此时历史路线集合列表,记录了从起点达地图上所有点的所有路线。
四、算法描述:
1、输入:一个二维数组M[26][5]。(第一维度角标1到4分别代表上右下左四个方向,第二维度角标1到25分别代表图的每个点,一次从地图的左上到右下为1到25。数组中的每个值,比如M[20][1]=15 表示地图编号为20的点的上边是编号为15的点,M[20][2]=0表示地图编号为20的点的右方没有通路。其中M[i][0]=0,M[0][j]=0)
2、初始化:定义栈Q = {1} 和 集合H = {} .(Q中记录了当下路径中依次走过的所有点,H记录着所有的历史路径。) 3、重复以下动作,直到 Q = {}: 根据Q的栈顶元素d,和邻接表M找出d的所有临近点元素,从其中随机选择一个元素,且Q中不存在该元素,若找到,将该元素放入Q中。若找不到,则将Q的副本存入H中,并将d从Q中弹出。 4、输出:H。五、算法实现
到这里,对原始问题的抽象思考过程和算法的理论分析过程已经描述完毕。下面就是用实际的代码实现该算法并做到可视化。如果不考虑可视化,那么随便一个编程语言都可以很方便的实现它,我之前用java写过,将结果输出在控制台那种。不过感觉没啥意思,还是想要可视化的感觉。当时很长一段时间我都不知道如何将它可视化,直到我遇到了React,深入了解后,发现用React来完成该算法的可视化,真是再合适不过了。
由于React是面向组件开发的模式,并且可以很容易根据状态来自动渲染页面,所以可视化部分的设计,就变成对原始“地图”的拆解和状态的定义。我设计的最基础的组件和整体样式如下图这样:每个位置(点)都有上下左右四个方向,点与点之间,如果存在连线,则将对应方向的线条用CSS渲染成“block”,其他渲染成“none”.这个过程在定义好CSS样式后,根据数据状态,React会自动帮助界面渲染,不需要反复用js写渲染逻辑。
最终效果请点击这个 或 查看。以下附带部分代码。另外关于实现过程中对性能的优化,我已经做了一些努力,以后也会不断对其优化,欢迎有兴趣的朋友提出高见。import React, { Component } from 'react';import './AppDemo.css';import Grid from './Grid';class AppDemo extends Component { constructor(proprs) { super(proprs); var width = 5; var height = 5; var matrix = this.init(width,height); var x = 50; var start = Math.floor(Math.random() * width * height + 1); this.state = { matrix: matrix, start: start, arr: [start], historyPath: [], width: width, height: height, timeID: 0, speed: 5, random: true, x: x, time: 0 } } init(width,height){ var matrix = [[0, 1, 2, 3, 4]]; for (var numb = 1; numb <= width * height; numb++) { var up = numb > width ? numb - width : 0; var right = (numb % width) !== 0 ? numb + 1 : 0; var down = numb <= width * (height - 1) ? numb + width : 0; var left = ((numb - 1) % width) !== 0 ? numb - 1 : 0; var arr = [numb]; arr.push(up); arr.push(right); arr.push(down); arr.push(left); matrix.push(arr); } return matrix; } handle() { //var beginTime1=0; //var beginTime2=0; //beginTime1 = new Date().getTime(); var nowRow = this.state.arr[this.state.arr.length - 1];//获取当下的位置编号 var arr = this.state.arr;//路径编号 var matrix = this.state.matrix;//矩阵存储结构 var historyPath = this.state.historyPath;//历史路径 if (arr.length > 0) {//如果路径长度>0 var next = false;//默认找不到路径 var ran = 1 if (this.state.random) { ran = Math.floor(Math.random() * 4 + 1); } //var beginTime4 = new Date().getTime(); for (var i = 0; i < 4; i++) { var nextNumb = matrix[nowRow][ran]; if (nextNumb !== 0 && !this.containNowPath(nextNumb)) {//找到路径 arr.push(nextNumb);//将新元素入栈 if (!this.containHistoryPath(arr)) {//若新路径没有在历史路径中出现过,则走该路径 this.setState({ arr: arr }); next = true; break; } else {//若新路径在历史路径中出现过,则跳过该路径 arr.pop();//放弃该位置 ran = ran + 1 > 4 ? 1 : ran + 1; } } else { ran = ran + 1 > 4 ? 1 : ran + 1; } } //var beginTime5 = new Date().getTime(); if (!next) {//如果无路可走 //判断当下路径(未退步之前)是否包含于历史记录。 if (!this.containHistoryPath(arr)) { historyPath.push(arr.slice());//若没有包含与历史中,则将新的尝试路径保存进历史路径集中 } arr.pop();//将最后一个元素弹出,相当于后退一步 this.setState({//修改当前改变了的状态 arr: arr, historyPath: historyPath }); } } else {//若路径遍历结束,则换一个起点继续遍历。 this.stop(); // this.setState({ // start: this.state.start + 1, // arr: [this.state.start + 1], // historyPath: [], // len: 5 // }); } // beginTime2 = new Date().getTime(); // var time = beginTime2 - beginTime1 ; // if(time> this.state.time){ // this.setState({//修改当前改变了的状态 // time: time // }); // } //alert(time); } containNowPath(row) {//判断下一个位置是否已经存在当下路径中。 var r = false; for (var i = 0; i < this.state.arr.length; i++) { r = this.state.arr[i] === row; if (r) { break; } } return r; } containHistoryPath(arr) {//从历史路径中查找是否已经存在下一步要走的路径 var r = false; var historyPath = this.state.historyPath; for (var i = historyPath.length - 1; i >= 0; i--) { r = historyPath[i].toString().indexOf(arr.toString()) !== -1; if (r) { break; } } return r; } render() { return () } addwidth(n) { this.stop(); var width = this.state.width; width = width + n; if (width > 0 && width * this.state.x <= 1000) { var matrix = this.init(width,this.state.height); var start = Math.floor(Math.random() * width * this.state.height + 1); this.setState({ matrix : matrix, start: start, arr: [start], historyPath: [], width: width }); } else { this.setState({ width: Math.floor(1000 / this.state.x), }); } } addheight(n) { this.stop(); var height = this.state.height; height = height + n; if (height > 0 && height * this.state.x <= 500) { var matrix = this.init(this.state.width,height); var start = Math.floor(Math.random() * this.state.width * height + 1); this.setState({ matrix:matrix, start: start, arr: [start], historyPath: [], height: height }); } else { this.setState({ height: Math.floor(500 / this.state.x), }); } } big(n) { var x = this.state.x; x = x + n; if (x > 0 && ((x * this.state.width <= 1000) || (x*this.state.height<=500)) ){ this.setState({ x: x }); } else { this.setState({ x: Math.floor(x * this.state.width > x*this.state.height?1000/this.state.width:500/this.state.height) }); } } // shouldComponentUpdate(nextProps, nextState){ // return nextState.arr.length>100; // } step() { this.stop(); this.handle(); } start() { var timeID = this.state.timeID; if (timeID === 0) { timeID = setInterval( () => this.handle(), this.state.speed ); } this.setState({ timeID: timeID }); } stop() { var timeID = this.state.timeID; if (timeID !== 0) { clearInterval(timeID); } this.setState({ timeID: 0 }); } componentDidMount() { var matrix = [[0, 1, 2, 3, 4]]; var width = this.state.width; var height = this.state.height; for (var numb = 1; numb <= width * height; numb++) { var up = numb > width ? numb - width : 0; var right = (numb % width) !== 0 ? numb + 1 : 0; var down = numb <= width * (height - 1) ? numb + width : 0; var left = ((numb - 1) % width) !== 0 ? numb - 1 : 0; var arr = [numb]; arr.push(up); arr.push(right); arr.push(down); arr.push(left); matrix.push(arr); } } speed(n) { var timeID = this.state.timeID; clearInterval(timeID); timeID = 0; timeID = setInterval( () => this.handle(), n ); this.setState({ timeID: timeID, speed: n }); } random() { this.setState({ random: !this.state.random }); } sleep(numberMillis) { var now = new Date(); var exitTime = now.getTime() + numberMillis; while (true) { now = new Date(); if (now.getTime() > exitTime) return true; } }}export default AppDemo;尝试次数:{this.state.historyPath.length} 速度: