在地图上进行搜索花费的时间太长的广度优先搜索策略

Question

使用BFS搜索的程序出现问题。 我给这个方法Node n ，如果它使用方法n.expand找到通往目标n方法，它应该给我返回true 。 还有其他一些类可以实现Node和expand和isTarget方法。 如果距离较短，则可以使用，但是如果这些节点之间的距离较长，则大约需要15分钟或更长时间。 谁能帮助我解决这个问题？

public boolean prog(Node n)
{
    Queue<Node> FIFO = new LinkedList<Node>();
    List<Node> close = new LinkedList<Node>();

    FIFO.add(n);
    while (true) {
        n = FIFO.poll();

        if (close.contains(n)) {
        } else {
            close.add(n);
        }
        close.add(n);
        for (int i = 0; i < n.expand().size(); i++) {
            if (!close.contains(n.expand().get(i))) {
                FIFO.add(n.expand().get(i));
            } else {
            }

            if (n.expand().get(i).isTarget()) {
                return true;
            }else{
            }
        }
    }
}

Answer 1

考虑到close是一个LinkedList ， close.contains是一项非常昂贵的检查-最坏的情况是它需要遍历整个列表以查找该元素，所以我想这close.contains很多时间。

我建议您改用HashSet或TreeSet 。

如果您熟悉big-O表示法（如果不是，我建议您阅读这篇文章 ）， LinkedList.contains为O（n）， HashSet.contains为O（1）， TreeSet.contains为O（log n） 。

---

我还建议您将n.expand()调用移出for循环，而不是将其存储在您使用的临时变量中。 （可能）对n.expand()每次调用都将导致不得不再次设置相邻节点的集合。

---

A *搜索算法也可以作为替代BFS的考虑因素。 这涉及估算到目的地的成本（称为“启发式”），使我们能够专注于我们认为与目的地接近的节点。

Answer 2

您可以想到双向BFS 。

将源和目标都视为源，并检查它们是否在某个中间节点相遇。 那应该节省很多时间。

Answer 3

您的代码看起来很奇怪，我已对其进行了一些修复。

public boolean prog(Node n)
{
    Queue<Node> FIFO = new LinkedList<Node>();
    List<Node> close = new LinkedList<Node>();

    FIFO.add(n);
    while (!FIFO.empty()) {
        n = FIFO.poll();
        if( n.isTarget() )
            return true;         
        for (int i = 0; i < n.expand().size(); i++) {
            Node nxt = n.expand().get(i); // Note dukeling suggestion here, I don't know what's behind expand()
            if (!close.contains(nxt)) {
                FIFO.add(nxt); close.add(nxt);
            }
        }
    }
    return false;
}

由于使用close.contains（），它的复杂度也很差（用O（NM）代替O（N + M），其中N-节点数，M-边缘数）。

您应该在Node上添加内部bool标志“ used”（然后get（i）将提供有关此信息的必需信息）。

如果不可能，则应在每个节点上添加标识符（int），以便可以在本地布尔数组（used [id]）中将其标记为已访问。 但是，如果节点数对于本地数组而言太大（最多10 ^ 6），那么我认为根本就不会使用bfs。

Dukeling提到的UPD HashSet可能在中级情况下提供O（N + M），而在最坏情况下提供O（NM）。 TreeSet可以提供稳定的O（MlogN）。