给您一个1和0的矩阵,其中0表示空闲路径,1表示阻塞区域你可以朝八个方向中的任何一个移动。查找从源到目标的最短路径。
我想出了一个解决方案,其中dp[i,j]
存储到起始顶点的最小距离:
recursion(int i, int j , int sum)
{
if(!issafe(i,j) || isvisited[i,j]) // within bounds
return ;
if(matrix(i,j)==0)//blocked
return ;
isvisited[i,j]=true;
dp[i,j] = min(dp[i,j] , sum);
// directions have usual meaning
recursion(east ,sum+1); // i , j+1
recursion(north , sum+1); //i-1 , j
recursion(west , sum+1);
recursion(south , sum+1);
recursion(north-east , sum+1);
recursion(north-west , sum+1);
recursion(south-east , sum+1);
recursion(south-west , sum+1);
isvisited[i,j]=false;
return;
}
现在我怀疑的是,假设我们能从8个位置到达[i,j]一旦我从位置1到达它,比如说最小路径是x个单位,我就立即递归地检查它的邻居现在,我从路径2找到min.path(以前的x)现在是y而不是x,然后再次递归检查。所以,我在步骤1做了额外的计算,这是不需要的在当前单元格中找到最小路径(从所有8个位置都可以到达)后,是否有方法递归检查邻居?
最佳答案
这是非加权图中的ashortest path problem,可由aBFS求解。
在这里你的图表是G=(V,E)
V = { all cells in the matrix}
注意,您的方法是DFS的变体,使用附加数据[theE= { (v1,v2) | can move from cell v1 to cell v2 }
数组]
更先进的方法是bi-directional搜索或A* algorithm(以manhattan distances作为启发式函数)。
bfs伪码:
BFS(source,destination):
visited <- {} //empty dictionary
queue <- new queue
queue.add (source)
visited.add(source,null)
while (! queue.isEmpty()):
v <- queue.pop()
if v == destination:
return getPath(visited, v)
for each edge (v,u):
if u is not a key in visited:
visited.add(u,v)
queue.add(u)
getPath(visited,v):
list <- new linked list
while (v != null):
list.addFirst(v)
v <- visited.get(v)
return list
该解的时间复杂度为
dp
,其中O(min{|V|,8^d})
为最短路径长度,d
为矩阵中的单元数。