攀登深度优先搜索之山，《代码来临》第 10 天-Python教程-PHP中文网

攀登深度优先搜索之山，《代码来临》第 10 天

聖光之護

发布： 2025-01-13 14:22:03

原创

1033人浏览过

深入解析第十天难题：多路径深度优先搜索

第十天难题延续了第六天的二维网格模式，但挑战升级为寻找多条路径。本文将详细阐述如何巧妙运用深度优先搜索算法（DFS）解决此问题。

攀登深度优先搜索之山，《代码来临》第 10 天 copilot提供的AI拼图插图

地图用一个字典表示，键为(x, y)坐标，值为该点的高度(0-9，9为峰值)。以下代码实现了地图解析：

<code class="python">def parse(input: str) -> dict[tuple[int, int], int | None]:
    return {
        (x, y): int(item) if item.isdigit() else None
        for y, row in enumerate(input.strip().splitlines())
        for x, item in enumerate(row)
    }</code>

登录后复制

路径查找规则：每一步高度必须增加1。代码如下：

<code class="python">trail_max = 9

def next_step(
    topo_map: dict[tuple[int, int], int | None], x: int, y: int
) -> tuple[tuple[int, int], ...]:
    assert topo_map[(x, y)] != trail_max

    return tuple(
        incoming
        for incoming in (
            (x + 1, y),
            (x, y + 1),
            (x - 1, y),
            (x, y - 1),
        )
        if (
            isinstance(topo_map.get(incoming), int)
            and isinstance(topo_map.get((x, y)), int)
            and (topo_map[incoming] - topo_map[(x, y)] == 1)
        )
    )</code>

登录后复制

起点（高度为0的点）的查找函数：

<code class="python">trailhead = 0

def find_trailheads(
    topo_map: dict[tuple[int, int], int | None],
) -> tuple[tuple[int, int], ...]:
    return tuple(key for key, value in topo_map.items() if value == trailhead)</code>

登录后复制

基于维基百科对深度优先搜索的定义：

深度优先搜索(DFS)是一种用于遍历或搜索树或图数据结构的算法。它从根节点开始，沿着每个分支尽可能远地探索，并在回溯之前遍历完所有分支。

攀登深度优先搜索之山，《代码来临》第 10 天 深度优先搜索动画示例（图片来自维基百科）

纳米搜索

纳米搜索：360推出的新一代AI搜索引擎

查看详情

我们使用DFS算法实现爬升函数，寻找所有路径：

<code class="python">def climb(
    topo_map: dict[tuple[int, int], int | None], trailheads: tuple[tuple[int, int], ...]
) -> dict[
    tuple[tuple[int, int], tuple[int, int]], tuple[tuple[tuple[int, int], ...], ...]
]:
    candidates: list[tuple[tuple[int, int], ...]] = [(head,) for head in trailheads]
    result = {}

    while candidates:
        current = candidates.pop()
        while True:
            if topo_map[current[-1]] == trail_max:
                result[(current[0], current[-1])] = result.get(
                    (current[0], current[-1]), ()
                ) + (current,)
                break
            elif steps := next_step(topo_map, *current[-1]):
                incoming, *rest = steps
                candidates.extend([current + (step,) for step in rest])
                current = current + (incoming,)
            else:
                break

    return result</code>

登录后复制

else 子句中的 break 用于处理路径走到死胡同的情况，避免无限循环。

爬升函数返回一个字典，键为(起点，终点)对，值为所有到达该终点的路径。

第一部分：计算可到达的独特峰值数量，即字典的键值对数量：

<code class="python">def part1(input: str) -> int:
    topo_map = parse(input)
    return len(climb(topo_map, find_trailheads(topo_map)))</code>

登录后复制

第二部分：计算所有路径的总数，即所有路径数量的总和：

<code class="python">def part2(input: str) -> int:
    topo_map = parse(input)
    return sum(
        len(routes) for routes in climb(topo_map, find_trailheads(topo_map)).values()
    )</code>

登录后复制

总结：本文详细介绍了使用深度优先搜索算法解决第十天难题的完整过程，并对代码进行了优化和解释。通过对算法和代码的深入分析，展现了高效解决多路径搜索问题的思路。最后，个人求职经历的分享也为文章增添了一丝人文色彩。

以上就是攀登深度优先搜索之山，《代码来临》第 10 天的详细内容，更多请关注php中文网其它相关文章！