使用numpy和简单的深度优先搜索(DFS)算法来解决矩阵寻路问题
import numpy as np
def find_path(matrix, start, end):
rows, cols = matrix.shape
path = []
visited = set()
def dfs(i, j):
if (i, j) not in visited and 0 <= i < rows and 0 <= j < cols and matrix[i][j] != 1:
visited.add((i, j))
if (i, j) == end:
path.append(end)
return True
path.append((i, j))
if dfs(i + 1, j): return True
if dfs(i - 1, j): return True
if dfs(i, j + 1): return True
if dfs(i, j - 1): return True
path.pop()
return False
dfs(*start)
return path
# 示例使用
matrix = np.array([
[0, 0, 0, 0, 1],
[0, 1, 0, 1, 0],
[0, 1, 0, 1, 0],
[0, 1, 0, 0, 0],
[0, 0, 0, 0, 0]
])
start = (0, 0)
end = (4, 4)
path = find_path(matrix, start, end)
print(path)
定义了一个find_path函数,它接受一个表示障碍物的矩阵和起点、终点坐标。函数使用深度优先搜索算法寻找一条从起点到终点的路径,并返回一个表示路径的坐标列表。在这个例子中,我们使用了numpy来创建和操作矩阵,并用简单的递归实现了DFS算法。
**【注意】**没有考虑算法优化的问题。可能存在最大递归深度问题!!