python走迷宫,迷宫自动寻路算法

  python走迷宫,迷宫自动寻路算法

  大家好,本文主要讲Python实现迷宫自动寻路的例子。有兴趣的同学过来看看,如果对你有帮助记得收藏。

  00-1010后台预处理寻路算法测试优化绘制路径结论

  

目录

  我打开手机,发现有人在QQ空间大喊大叫。

  看他洋洋得意的样子,很明显他在家呆久了,已经忘了天有多高了。

  

背景

  设计一个迷宫自动寻路算法并不难,但对于目前的任务来说,第一个棘手的部分在于如何让迷宫看起来像计算机,也就是迷宫图片的矩阵。

  这幅画的尺寸是397390。先把周围的白边剪掉,然后把这张图的每个像素二值化,再根据颜色赋值。黑色用0表示,白色用1表示,建立0/1矩阵。考虑到迷宫的边界是封闭的,为了防止一些看起来是0的地方因为画面质量问题实际上是1,进而在走迷宫的过程中造成一些可以预见的效果,比如列表的越级,我们强制四边的元素都是0。此时,迷宫的预处理已经基本完成。如果我们隐藏1并打印出所有的0,缩放后,我们将得到以下结果:

  

预处理

  得到这个迷宫矩阵后,我们需要找到一条从左上角到右下角的路。

  我有这样的印象,我曾经遇到过走迷宫的方法。那是在一次算法选修课上,老师在台上深入讲深度优先搜索和广度优先搜索,我无私的抄了大东西实验报告2。到目前为止,我提到这两个概念的时候,唯一的印象就是它们的英文缩写是D开头,b开头。

  不过没关系。当年,小刀陈用20元赢了3700万。我用for loop解决这个小迷宫,没问题。

  一般来说,迷宫内部是不封闭的。我总能从任何地方倒水来填满整个迷宫。因此,假设我们有一只小老鼠,把它放在起点,如果它能保证自动避障、不踩走过的路、遇死胡同回退,它总能找到终点。

  因此,我们定义一个初始位置为(1,1)的点(x,y),它是边界左上角的第一个点。

  定义两个链表,一个是path,用来存储它最终确定的路径(即最终到达终点的路径)中的每个点;另一个是footprint,用来存储它走过的所有地方,包括它走过的错误的路。两个列表像[(1,1),(1,2),(2,2),(m,n)]。

  再定义四个动作,分别是:下一步(y=y-1)、右一步(x=x-1)、左一步(x=x-1)和上一步(y=y-1)。我们让这个点一次尝试四个动作,能放就放。走不走,取决于下一步的坐标是墙还是脚印。将新的点放入路径和足迹中,成为新的足迹。

  确定四个动作的优先级,即向下、向右、向左和向上。如果可以,可以下去;下不去,右不去;不能往右,就不能往左;如果你不能向左走,你可以向上走。这样,它就不会无缘无故地在一个空旷的地方四处游荡,而是朝着某个方向探索。

  接下来,让算法具备自动回滚的能力。让我们想象一个简单的场景:

  这张图不准确,不符合本文的优先设置,但也表意。

  遇到这样的死胡同,如果进来的时候脚印挡住了出去的路,那么这个点就不能再出来了。一旦发现这个点处于绝境,哪里都去不了,那就要让它原路返回。离迷失不远了。回到上一个路口也很简单。无非就是删了这条路线。方法是将路径列表中的最后一个元素逐个弹出列表。由于我们有足迹记录,它走过的地方都不可能走第二遍,所以只要这条错误的路没有完全退出,就不可能往四个方向退任何一步,因为附近的地方都被它走过。这样,它总会退到我们预想的地方,也就是它误入歧途的那个路口。

  aodian">

  

测试

  下面,我们让它开始循环。只要它的坐标不等于终点的坐标,我们就一直让它不断地探索。运行结束后,我们得到了一条迂回的曲线,如图(局部)。

  

  程序成功得到了一条可以通往终点的路径,但这条路径过于冗杂,以上图为例,所有宽度不为1的地方都是这个点绕来绕去所导致的。因此,该路径还有待优化。

  

  

优化

  我们考虑如下一种简单情况:

  

  在这条路线中,显然4~9属于没有意义的兜圈,正确的路线应该是从3直接到10

  我们的优化方法是:如果第n步(x,y),从第n+2步(也就是下一步的下一步),一直到最后一步,这中间只要有一步落在(x,y)一步之遥的地方,就把从第n+1步到这一步的所有路径点都删掉。拿上面这个例子来说,我们从第1步开始检查。检查到第3步时,我们从第5步开始看,一直看到第10步发现10落在3一步就能到达的地方,这时我们把中间的4-9全部删掉,直接把10接在3的后面。

  不过,考虑到后面可能还会有更优的情况,比如说从12开始继续绕,绕到20发现20刚好落在3的上面,那我们事实上应该直接把20接在3后面,12也要丢掉,之前的方法有些缺陷。因此,为了避免这种情况,我们逆着循环,对于第3步而言,我们从第20步往前循环,一直循环到第5步,看是否有3能直接到达的地方。这样我们就能对这条路线进行最大优化了。

  

  

  

绘制路径

  最终,我们得到了正确而简洁的路径,也记录了曾经走过的错路和多走的路。

  根据矩阵和图片的对应关系,我们把图片里对应的像素改变颜色,其它点不作更改。

  绘制路径:

  

  优化之前:

  

  全部足迹:

  

  

  

结语

  至此,我们已经把这个问题解决得差不多了。整个程序在我的电脑上运行下来大概需要三五分钟这个样子,毕竟是只用for循环的暴力方法。

郑重声明:本文由网友发布,不代表盛行IT的观点,版权归原作者所有,仅为传播更多信息之目的,如有侵权请联系,我们将第一时间修改或删除,多谢。

留言与评论(共有 条评论)
   
验证码: