避免 Python 的堆栈

Question

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，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？

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 []

Answer 1

这是一个让生成器保持在周围以保留所需惰性属性的解决方案：

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。

Answer 2

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，应使用 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，您可以创建一个包装类，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），或者使用先前状态的映射。

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 depth x branching-factor 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 字典重构从任何已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