bild
Skolan för
elektroteknik
och datavetenskap

Föreläsning 5: Problemträd, breddenförst och djupetförst

  • Problemträd
  • Breddenförstsökning
  • Rekursiv djupetförst
  • Djupetförst med stack
  • Grafer

Problemträd

En mycket stor klass av praktiska problem kan beskrivas med problemträd och lösas med trädgenomgång, bredden först eller djupet först. På tentan kommer något sådant problem och det gäller att beskriva lösningsalgoritmen. Laboration 4 går ut på att finna kortaste vägen från fan till gud genom att byta en bokstav i taget och bara använda ord i ordlistan, till exempel så här:
    fan -> man -> mun -> tun -> tur -> hur -> hud -> gud
Problemträd uppkommer ständigt i praktiken. Man brukar kalla startobjektet för urmoder/stamfar och objekten under det för barn. Problemträd

Breddenförstsökning

Problemträdets urmoder/stamfar fan har barnen fin, man, far med flera, barnbarnen hin, mun, får osv. Enligt kedjan ovan är gud barnbarnbarnbarnbarnbarnbarn till fan, men gud finns säkert redan tidigare i problemträdet. För att finna den första förekomsten gör man en breddenförstsökning enligt följande.

Lägg urmodern/stamfadern som första och enda post i en kö. Gör sedan följande om och om igen: Plocka ut den första ur kön, skapa alla barn till denne och lägg in dom sist i kön. Första förekomsten av det sökta ordet ger kortaste lösningen.

Man kan spara in både tid och utrymme om man undviker att skapa barn som är kopior av tidigare släktingar (t ex mans barn fan), så kallade dumbarn.

Breddenförstsökningsalgoritmen kan sammanfattas så här.

  1. Lägg urmodern/stamfadern i kön.
  2. Ta ut den första posten ur kön.
  3. Skapa alla dess barn och lägg in dom i kön.
  4. Om någon av barnen är lösningen så är vi klara. Annars - upprepa från punkt 2.
  5. När lösningen hittas, följ förälderpekarna och skriv ut kedjan.
Om man bara lägger själva orden i kön finns det ingen möjlighet att i efterhand tala om vägen från fan till gud. Därför bör man för varje nytt ord skapa en liten nod som innehåller ordet och en referens till föräldern och det man lagrar i kön är denna nod.

Breddenförstsökning ger alltid den kortaste lösningen. Ofta är det den man är ute efter. Några andra problemexempel är följande.





Flygresa från Stockholm till Alice Springs

Stockholm är stamfar, destinationer med direktflyg från Stockholm blir söner och så vidare. Dumsöner är destinationer man redan "passerat". Breddenförstsökning ger en resa med så få mellanlandningar som möjligt.

Lönsam valutaväxling

Finns det någon lönsam växlingskedja av typen 1.00 SEK -> 0.11 EURO -> 0.13 USD -> ... -> 1.02 SEK ? Vi vill ha en algoritm som kan besvara den frågan.

Vi antar att alla växlingskurser är kända, t ex 1.00 SEK -> 0.14 USD och 1.00 USD -> 7.05 SEK. En valutanod är ett belopp i en viss valuta. Vi utgår från valutanoden 1.00 SEK och låter den vara urmoder i ett problemträd. Urmoderns döttrar är alla valutanoder som kan åstadkommas med en växling, till exempel 0.14 USD och 16.5 JPY. Dottern 0.14 USD har i sin tur döttrar, däribland 0.987 SEK. Just den är en så kallad dumdotter och kan lugnt glömmas bort, eftersom den är sämre än en tidigare valutanod.

Om man går igenom problemträdet nivå för nivå, dvs generation efter generation, kanske man till sist stöter på noden 1.05 SEK. Därmed har man funnit en lönsam växlingskedja och det är bara att sätta igång och växla så fort som möjligt innan kurserna ändras. För att avbryta trädgenomgången och hals över huvud återvända till huvudprogrammet kan man generera ett särfall med raise Exception och se till att huvudprogrammet har

   try: 
      - - -            # Om särfallet uppstår här...
   except Exception: 
      - - -            # ...teleporteras man hit
Tillsammans med särfallet kan man skicka med ett valfritt objekt, till exempel ett meddelande, så som exemplet nedan visar.

Om man har en abstrakt kö med metoderna put, get och isempty kan breddenförstsökningen programmeras ungefär så här.

class Node        # problemträdspost
  amount=1.00     # belopp
  currency=1      # valutanummer, SEK=1, USD=2,...
  parent=None     # förälderpekare

 - - -   Definition av makechildren och writechain            
 - - -   Inläsning av växlingskurserna 
q = Queue()
urmoder=Node() 
q.put(urmoder)
try:
  while not q.isempty():
    makechildren(q.get())       # I makechildren görs raise Exception,kedja
  print "Ingen lönsam växling"
except Exception,kedja: 
  print "Växla fort:",kedja

Metoden makechildren skapar alla barn och lägger sist i kön. Om man vill bli av med dumdöttrarna kan man ha en global vektor best med hittills högsta belopp av varje valuta.

Rekursiv djupetförstsökning

Djupetförstsökning skiljer sig från breddenförstsökning i två avseenden:
  • Den första lösning man hittar är inte nödvändigtvis den kortaste.
  • Metoden fungerar inte om problemträdet har oändligt djup.




Ett exempel är åttadamersproblemet som innebär att man ska placera åtta damer på ett schackbräde så att ingen dam står på samma vågräta, lodräta eller diagonala linje som någon annan.

Problemträdets urförälder är ett tomt bräde. Dom åtta barnen har en dam placerad på översta raden, barnbarnen ytterligare en dam på näst översta raden etc. Problemträdet har djup åtta (fler damer kan vi inte placera ut).

               
               
               
               
               
               
               
               

Den första idén man får är ju att representera schackbrädet med en matris. Men lösningen blir enklare om man använder en vektor, där varje vektorelement är ett heltal som representerar damens position på just den raden.
queen[0]=5 betyder då att damen på rad noll står i position 5.

Rekursiv tanke:
Att lösa problemet färdigt när det redan står damer på rad 0..row-1 är detsamma som...
...att för varje tillåten damplacering på rad row lösa problemet färdigt...
... men om row=8 har man hittat en lösning.

# coding:iso-8859-1
n=8
queen=[None]*n

def completePartialSolution(row):
# Fullborda partiell lösning som har damer på rad 0..row-1 
    if row==n:
        for r in range(n):
            for col in range(n):
                if queen[r]==col: print "D",
                else: print "*",
            print
        print "==============="
        return
    for col in range(n):
        if posOK(row,col):
            queen[row]=col
            completePartialSolution(row+1)
    
def posOK(row, col):
# Kolla om damen på rad row kan slås av damerna ovanför
    for i in range(row):
      if queen[i]==col: return False         #rakt ovanför
      if queen[i]-col==row-i: return False   #snett ovanför
      if col-queen[i]==row-i: return False   #snett ovanför
    return True

               
completePartialSolution(0)


Djupetförstsökning med stack

Djupetförstsökning kan också programmeras som breddenförstsökningen, med den lilla skillnaden att kön byts mot en stack. Här följer några fler exempel på problem som kan lösas med djupetförstsökning.

Hitta ut ur labyrint

En välkänd praktisk metod att utforska en labyrint, uppfunnen av den förhistoriska datalogen Ariadne, är att ha ett garnnystan med ena änden fastknuten i startpunkten. Man går så långt man kan, markerar med krita var man varit, går bara outforskade vägar framåt och backar en bit längs snöret när man kör fast. Snöret kan representeras av en stack med dom positioner som snöret för tillfället ringlar igenom.

Problemträdet har startpositionen som urförälder, alla positioner på ett stegs avstånd som barn och så vidare. En position som man varit på förut är ett dumbarn.

Luddes portkodssekvens

En teknolog som glömt sin fyrsiffriga portkod tryckte sej igenom alla tiotusen kombinationer så här.
000000010002000300040005000600070008000900100011...9999
Det kräver fyrtiotusen tryckningar. Men man kan klara sej med bara tiotusentre tryckningar om man har en supersmart sekvens där varje fyrsiffrigt tal förekommer någonstans. Hur ser sekvensen ut?

Problemträdets urförälder 0000 har tio barn 00000, 00001,..., 00009, varav det första är ett dumbarn. Breddenförst eller djupetförst? Vi vet att trädet har djupet tiotusen och att alla lösningar är lika långa, därför går djupetförst bra. Men breddenförst skulle kräva biljoner poster!

Grafer

De problemträd vi tagit upp här är specialfall av grafer.
  • En allmän graf består av en samling hörn (vertices) med kanter (edges) emellan.
  • Grafen är riktad om kanterna är riktade (pilar).
  • Antalet kanter från ett hörn är hörnets grad (degree).
  • En stig (path) är en väg från ett hörn till ett annat, dvs en följd av intilligande kanter.
  • En cykel är en stig där man startar och slutar i ett och samma hörn.
  • Om grafen inte har några cykler är den acyklisk.
  • I en viktad graf har kanterna vikter.
Problemträdet vi får när vi söker vägen från fan till gud är exempel på en riktad (från startordet till barnen), acyklisk (dumträdet hjälper oss att slippa repriser) graf. Breddenförstsökning och djupetförstsökning är två olika sätt att gå igenom alla hörnen i grafen.

I breddenförst går vi först igenom alla hörn som ligger en kant från starthörnet, sen alla hörn som ligger två kanter bort osv. Om det finns flera lösningar till problemet stöter vi på den närmaste först (men om vi inte bryter där går vi igenom alla hörnen).

Med djupetförst följer vi istället en stig så långt det går via första kanten från starthörnet. När det tar stopp backar vi ett steg (flera vid behov) tills det går att fortsätta framåt igen.

I kursen 2D1352 Algoritmer, datastrukturer och komplexitet kan man lära sig mer om grafalgoritmer!


Sidansvarig: Magnus Rosell <rosell@csc.kth.se>
Uppdaterad 2006-09-28