关于递归：避免Python的堆栈

无卤 • • 问答 • 232 阅读

Avoiding Python's Stack

我正在尝试多种搜索算法来解决广义 AI 问题，其中之一是深度优先搜索。我已经将广度优先搜索、贪心搜索和 A* 搜索从它们的自然递归形式转换为迭代形式，但是在使用深度优先搜索 cleanly 时遇到了更多麻烦(尽管这并不超出我的能力，我不确定这样做的最pythonic方式，因此问题)。

我遇到了 CPython 的 1000 次递归调用限制，即使是一些中型问题。后继状态是延迟生成的(_generate_states 是生成器，而不是列表)，并且需要从初始状态开始的路径。

从使用调用堆栈到显式堆栈的最 Pythonic 方式是什么？堆栈中应该存储多少信息？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？

1
2
3
4
5
6
7
8
9
10
def dfs(initial, closed_set, goal, capacity):
    if initial == goal:
        return [initial]

    for state in _generate_states(initial, capacity):
        if state not in closed_set:
            result = dfs(state, [initial] + closed_set, goal, capacity)
            if result:
                return [state] + result
    return []

相关讨论

  • 我不知道有一种最 Pythonic 的方式，但我很好奇是否有其他人有比这更好的答案。应该存储多少信息的答案是"不超过算法工作所需的量"。
  • 只是一个小小的改进——如果你使用双端队列而不是列表，你可能会得到一个稍微快一点的堆栈。
  • @Omnifarious当我优化BF时也是这种情况，我存储了很多冗余路径(因为每个当前层节点都有相同的父路径)。我也很想知道处理这方面的最佳方法。
  • DFS 的非递归代码看起来应该与 BFS 几乎相同，除了您将使用堆栈而不是队列。
  • 我不得不承认我是多么讨厌"pythonic"这个词。

这里有一个解决方案，可以让生成器保持周围以保留所需的惰性属性：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
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

注意，路径是定位到目标时的栈，因为栈是到达当前节点所访问的节点的记录。

相关讨论

  • 您使用了未定义的 path。您的意思是改用 stack 吗？

我假设你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)，所以我将发布一些一般性提示。

  • 在迭代实现 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。
  • 您绝对应该为 closed_set 使用集合而不是列表。 (如果您想找到最短路径，也可以使用地图 {state: depth}。)
  • 为了跟踪路径，您可以创建一个package类，封装您的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)，或者使用前驱状态的映射。

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

相关讨论

  • deque 实际上只有 FIFO 需要。简单的旧列表对于 LIFO 是有效的； append() 或 pop() 不需要移动任何元素。

这就是我将如何创建迭代深度优先搜索的方法。它使用 candidate_states 作为接下来应该探索的状态堆栈。您可以使用 parents 字典重建从任何访问节点到初始节点的路径。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
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

相关讨论

  • 在编写 BFS 解决方案时，我使用了相同的字典技术。
以上是关于递归：避免Python的堆栈的全部内容。
THE END
分享
二维码
< <上一篇
下一篇>>