vlambda博客
学习文章列表

    在了解了目标树之后，我们接下来学习搜索算法的概念。

    搜索算法的应用还是很广的，这是属于算法的基础。在机器人的应用也有，比如机器人的路径规划问题。

    而小编也是打算以路径规划为例子讲解搜索算法。

    今天就先来学习入门级的搜索算法：广度优先搜索和深度优先搜索。

    广度优先搜索和深度优先搜索都是属于盲目搜索算法，除此之外还有更加聪明的搜索算法，那就是启发式搜索算法。

    所谓盲目搜索，就是不管怎么样，把所有的路径都搜索一遍，自然就能得到一条或是不止一条到达终点的路。而对于这种盲目搜索也有两种方式。

    我们来看一张地图，接下来就针对这一张图进行路径规划。

    题目：现在处于S点，要去G点。

    有了题目之后，我们就尝试利用目标树来建立搜索路径。现在我们不管三七二十一，先把全部可能的路径都列出来：

    接下来我们使用列表的方式来讲解两种盲目搜索算法。

    深度优先搜索：

    所谓深度优先搜索，就是先针对一条路径，先一直搜索到底，如果最终没有到达终点，那么就返回上一个节点继续向下搜索。

    所以可以列表：

确认到达终点，搜索结束。

    虽然最终搜索到了一条路径，而且看上去搜索量也不大，但深度优先搜索有一很明显的弊端，那就是搜索到的路径很有可能不是最优路径。

    这就跟你打的士一样，你打到了黑车，司机带你绕远路，虽然最终是到达了目的地，但是你却要因为绕远路而付出更多的钱。

    广度优先搜索：

    所谓广度优先搜索，那就是一层一层往下搜索下去，直到搜索到路径为止，所以列表：

已经搜索到终点，搜索结束。

    这个看上去貌似是最优解，但真的是这样吗？

    虽说对于这道题目来说，这个搜索结果就是最优解，但若是拓展到其它地图呢？这种搜索算法是没有算上路程来搜索的，所以这个搜索结果，只能说是经过节点最少的一条路径，所以它依然可能不是最优解。

    而且最最重要的就是，广度优先搜索搜索量非常庞大。或许在这种小地图看不到，但若是放到大地图呢？在路径复杂的情况下，节点众多的情况下，那个数据量就会非常庞大了。

    所以两种盲目搜索都是笨办法，虽然简单，但是很有可能它们会带你绕远路。所以要用的时候，只能祈祷，地图刚好适用这两种搜索算法。

    不过即使是这样，其实我们还可以对搜索树进行“剪枝”。

    可以发现一个问题，列表里有重复搜索的路径。比方说在搜索到SAB的时候，在这个之前就已经有搜索了SB，两者对比，自然是两者之间线段最短。所以我们呢可以对列表进行优化，剪掉这些重复，这就是扩展列表。

    扫一下这个二维码，点击关注，获取更多知识。