Question

我正在尝试一些广义AI问题的搜索算法，其中之一就是深度优先搜索。我已经将广度优先搜索，贪婪和A *搜索从它们的自然递归形式转换为迭代形式，但是使用深度优先搜索（{1}}进行深度优先搜索会遇到更多麻烦（尽管它不会超出我的能力，我不确定最狡猾的方式，所以问题）。

即使是一些中型问题，我也遇到了CPython的1000递归调用限制。后继状态是懒惰生成的（cleanly是生成器，而不是列表），并且需要从初始状态开始的路径。

从使用调用堆栈转移到显式堆栈的最pythonic方法是什么？应该在堆栈中存储多少信息？回溯时（当没有状态返回非空列表时），从堆栈前面弹出死信息的最佳方法是什么？

_generate_states

Answer 1

这是一个解决方案，可以保持发电机周围保持所需的懒惰属性：

def dfs(initial, goal, capacity):
    # These three variables form the "stack".
    closed_set = {initial}
    stack = [initial]
    gens = [_generate_states(initial, capacity)]

    while stack:
        cur = stack[-1]
        gen = gens[-1]
        try:
            state = next(gen)
        except StopIteration:
            # This node is done
            closed_set.discard(cur)
            gens.pop()
            stack.pop()
            continue

        if state == goal:
            return stack

        if state not in closed_set:
            closed_set.add(state)
            stack.append(state)
            gens.append(_generate_states(state, capacity))

    return None

请注意，当找到目标时，路径是堆栈，因为堆栈是访问到达当前节点的节点的记录。

Answer 2

我假设您知道如何使用堆栈迭代地实现DFS（它与BFS基本相同，只是LIFO而不是FIFO），因此我将发布一些通用的tipp。

当迭代地实现DFS时，您应该使用collections.deque作为堆栈，该堆栈针对快速追加和弹出元素进行了优化。
您绝对应该使用closed_set的集合而不是列表。（如果你想找到最短的路径，可以使用地图{state：depth}。）
为了跟踪路径，您可以创建一个包装类，封装当前状态和对前一个状态的引用（基本上是状态的链接列表），或者使用先前状态的映射。

在这种情况下，不确定如何使用生成器，因此您的堆栈将保持深度x分支因子元素...或者您可以将生成器放在堆栈，而不是实际的元素？只是一个想法...

Answer 3

以下是我将如何创建迭代深度优先搜索。它使用candidate_states作为下一个应该探索的状态堆栈。您可以使用parents字典重构从任何访问节点到初始节点的路径。

def reconstruct_path(state, parents):
    path = []
    while state != None:
        path.append(state)
        state = parents[state]
    path.reverse()
    return path

def dfs(initial, goal):
    visited_states = set()
    candidate_states = [initial]
    parents = {initial: None}
    while len(candidate_states) > 0:
        cur_state = candidate_states.pop()
        if cur_state in visited_states: continue
        if cur_state == goal:
            return reconstruct_path(cur_state, parents)
        for state in _generate_states(cur_state):
            parents[state] = cur_state
            candidate_states.append(state)
    return None

避免Python的堆栈

3 个答案: