Приветствую Вас, Хабровчане!

Я думаю, по названию статьи и так понятно о чем я Вам буду рассказывать в этой работе. Поэтому не вижу смысла в длинных преамбулах и аннотациях. Ну а для тех, кто совсем не в теме и фамилию известного нидерландского ученого видят впервые — отправляю Вас на википедию с его биографией и алгоритмом, о котором далее пойдет речь.

Сразу должен сказать, что я далеко не являюсь экспертом в области алгоритмов, а просто люблю программировать и изучать для собственного развития новые разделы математики (к которым в свое время почему-то не дошли руки). Это моя первая более-менее серьезная статья, в которой я решаюсь реализовать всем известный алгоритм. Поэтому прошу не судить меня строго. Статья предназначается в основном для новичков и тех, кто делает первые шаги в мир алгоритмов.

В этой статье я попробую реализовать алгоритм Дейкстры, что называется "в лоб" согласно описанию на википедии с использованием очереди c приоритетом (PriorityQueue) для хранения непосещённых вершин и применить его для нахождение кратчайшего пути между двумя вершинами связного взвешенного графа. А в качестве бонуса попробую запустить алгоритм для нахождения оптимального маршрута между двумя точками на 3D поверхности и посмотреть на полученные результаты.

В статье также отсутствуют строгие математические доказательства существования и единственности найденного пути, вычисление сложности алгоритма, сравнение с другими алгоритмами поиска и т.п. О существовании и корректности решения можно будет судить только по полученным результатам.

Предполагается, что читатель все-таки знаком с базовыми понятиями теории графов. На одну из книг дам ссылку в конце статьи.

Писать будем на языке C#. Исходники найдете здесь.

Поехали!

Содержание

Постановка задачи

Чтобы работать с графом, нам его нужно как-то задать и хранить в памяти компьютера. Существует несколько общепринятых способов представления графа, как то матрица смежности и матрица инцидентности. Но для своих целей я пойду другим путем.

Начну, пожалуй, с постановки задачи о поиске оптимального пути между двумя точками на 3D-поверхности, т.к. представление графа, которое будет использоваться мною для реализации алгоритма Дейкстры будет получено именно из "превращения" данной поверхности в связный граф.

В декартовой прямоугольной системе координат на плоскости Oxyзадана равномерная сетка:

\{ x_i = i \cdot dx, \ \ i = 0, \ldots, N-1 \} \\ \{ y_j = j \cdot d y,\ \ j = 0, \ldots, M-1 \}

где (x_i, y_j)— узлы сетки; dx, dy— шаги сетки;N, M— количество точек по осиOxиOy, соответственно. В каждом узле сетки задано значение z_{i, j} = z (x_i, y_j), представляющее собой высоту карты (ландшафта) местности в рассматриваемой точке. Значения z_{i, j}, образующие исследуемую поверхность, могут быть отрицательными — в таком случае высоту карты следует понимать как глубину относительно некоторой нулевой отметки z=0

Заданы стартовая и целевая точка искомого маршрутаAиB, рисунок 1.

Рисунок 1. Пример ландшафта местности — исследуемая поверхность, заданная множеством точек с заданными началом, A, и концом, B, искомого маршрута.
Рисунок 1. Пример ландшафта местности — исследуемая поверхность, заданная множеством точек с заданными началом, A, и концом, B, искомого маршрута.

На выходе мы должны получить конечный список (массив) координат(x_k, y_k), следуя по которым мы доберемся из точкиAв точкуBнаиболее оптимальным образом.

Здесь сразу стоит отметить — для "плоского" случая, т.е. когда координата z нам не важна и алгоритм не будет от нее зависеть — мы будем искать именно кратчайший путь. В трехмерном случае будет также учитываться параметр, задающий максимальный угол уклона при поиске соседей и в этом случае мы будем искать оптимальный путь — такой путь, который выбирает более пологие участки поверхности.

Превращаем поверхность в граф

Представлять нашу поверхность в виде графа будем следующим образом, — посмотрим на нашу поверхность сверху (перпендикулярно плоскости Oxy), вид будет примерно такой, рисунок 2:

Рисунок 2. Граф, построенный по исследуемой поверхности. В него добавлены "диагональные" ребра, позволяющие алгоритму двигаться в более широком диапазоне направлений. A и B - стартовая и целевая вершина, соответственно.
Рисунок 2. Граф, построенный по исследуемой поверхности. В него добавлены "диагональные" ребра, позволяющие алгоритму двигаться в более широком диапазоне направлений. A и B - стартовая и целевая вершина, соответственно.

Точки поверхности будут спроецированы на плоскостьOxy— это и будут вершины нашего графа. Но откуда появились эти "крестики" в каждом квадратике, спросите Вы ?! Эти крестики — тоже ребра графа, которые добавлены для того, чтобы у нас была возможность ходить не только по горизонтали и вертикали, но и по диагонали. Да, это сильно увеличит сложность алгоритма и время расчета, но зато путь будет еще более оптимальным.

Таким образом, граф будет задан с помощью матрицы (обозначим ее V) размерности M\times N, элемент v_{i, j}которой — это вершина с координатами (i, j)на нашем графе, построенного из 3D поверхности (рисунок 2). В процессе реализации алгоритма суть такого представления будет более понятна.

Наш граф должен быть взвешенным. Вес(w)ребра, соединяющего смежные вершины v_1и v_2, заданные своими координатами(i, j)будет не что иное как расстояние в пространстве между соответствующими точками поверхности, из которой наш граф был построен:

w(v_1, v_2) = \sqrt{(x_2 - x_1)^2+(y_2 - y_1)^2 + (z_2 - z_1)^2}

Численная реализация

Я создам в Visual Studio консольный проект (.NET Framework 4.7.2). Ключевыми классами будут Point2D.csVertex.cs и Graph.cs. Начнем с самого простого.

Класс Point2D будет содержать всего два свойства для хранения координат вершины графа на узловой сетке:

public class Point2D
    {
        public int i { get; }
        public int j { get; }

        public Point2D(int i, int j)
        {
            this.i = i;
            this.j = j;
        }
    }

С классом Vertex уже чуть поинтереснее:

public class Vertex
    {
        public Point2D Coordinate { get; set; }
        public double Height { get; set; }
        public Point2D CameFrom { get; set; }
        public double Label { get; set; }
        public bool IsVisited { get; set; }
        public bool IsObstacle { get; set; }

        public Vertex(int i, int j, Point2D CameFrom = null, double Height = 0.0, double Label = double.MaxValue, bool IsVisited = false, bool IsObstacle = false)
        {
            Coordinate = new Point2D(i, j);
            this.CameFrom = CameFrom;
            this.Height = Height;           
            this.Label = Label;
            this.IsVisited = IsVisited;
            this.IsObstacle = IsObstacle;
        }
    }

Опишу кратко свойства.

Coordinate — координаты вершины графа на узловой сетке; Height — высота, значение функции z(x, y)в точке вершины, необходимое для расчета весового коэффициента и величины уклона между двумя смежными вершинами (необходимо только в случае нахождения пути на 3D поверхности); CameFrom — здесь в процессе работы алгоритма будут храниться координаты вершины из которой мы попали в текущую вершину — на основании этого свойства мы в конце работы алгоритма сформируем наш искомый маршрут; Label — метка, хранящая значение длины пути из стартовой вершины в текущую; IsVisited — говорит нам, посетили ли мы данную вершину в процессе расчета или нет; IsObstacle — это свойство позволит задать определенные вершины как вершины-препятствия, чтобы выбрасывать их из рассмотрения наряду с уже посещенными.

Теперь о классе Graph.

public class Graph
    {
        /// <summary>
        /// Шаг сетки по оси Ox
        /// </summary>
        public double dx { get; }
        /// <summary>
        /// Шаг сетки по оси Oy
        /// </summary>
        public double dy { get; }
        /// <summary>
        /// Количество вершин по оси Ox
        /// </summary>
        public int N { get; }
        /// <summary>
        /// Количество вершин по оси Oy
        /// </summary>
        public int M { get; }
        /// <summary>
        /// Матрица вершин графа
        /// </summary>
        public Vertex[,] Vertices { get; }
        /// <summary>
        /// Предельная величина уклона в градусах
        /// </summary>
        public double MaxSlope { get; }
	}

Для работы алгоритма реализуем несколько вспомогательных методов.

Для расчета весов и уклона нам нужно будет получать "реальные" координаты вершины графа на плоскости Oxy(с учетом величины шагов dxи dy):

(double, double) GetRealXY(Vertex vertex)
        {
            double x = vertex.Coordinate.i * dx;
            double y = vertex.Coordinate.j * dy;

            return (x, y);
        }

Вес ребра между смежными вершинами (расстояние между точками поверхности) находим так:

double Weight(Vertex v1, Vertex v2)
        {
            (double, double) x1y1 = GetRealXY(v1);
            (double, double) x2y2 = GetRealXY(v2);

            double xDiff = x1y1.Item1 - x2y2.Item1;
            double yDiff = x1y1.Item2 - x2y2.Item2;
            double zDiff = v1.Height - v2.Height;

            double sumOfSquares = Math.Pow(xDiff, 2.0) + Math.Pow(yDiff, 2.0) + Math.Pow(zDiff, 2.0);

            return Math.Sqrt(sumOfSquares);
        }

Следующий метод возвращает величину уклона между смежными вершинами (в градусах):

private double Slope(Vertex v1, Vertex v2)
        {
            double hypotenuse = Weight(v1, v2); // Вес ребра - это и есть по факту расстояние между точками
            double zDiffAbs = Math.Abs(v1.Height - v2.Height); // Модуль разности по высоте

            return Math.Asin(zDiffAbs / hypotenuse) * 180.0 / Math.PI; // Переводим радианы в градусы
        } 

Для удобства реализуем 8 методов для получения соседней вершины в зависимости от направления (я привел один из них):

private Vertex GetTopVertex(Vertex v) => Vertices[v.Coordinate.i, v.Coordinate.j + 1];

И еще 8 методов для определения принадлежности вершины той или иной части сетки (здесь я привел два из них):

private bool IsTopRightVertex(Vertex v1) => v1.Coordinate.i == N - 1 && v1.Coordinate.j == M - 1;

private bool IsVertexOnTheRightSide(Vertex v1) => v1.Coordinate.i == N - 1;

Эти методы понадобятся для получения всех смежных вершин для рассматриваемой вершины. Вот тут нам придется нарубить if-ов, т.к. количество смежных вершин не всегда одно и то же:

Метод GetAllAdjacentVertices(Vertex vertex) для получения всех смежных вершин
private List<Vertex> GetAllAdjacentVertices(Vertex vertex)
        {
            #region Рассматриваем угловые вершины

            if (IsTopRightVertex(vertex))
                return new List<Vertex>
                {
                    GetLeftVertex(vertex),
                    GetBottomLeftVertex(vertex),
                    GetBottomVertex(vertex)
                };

            if (IsBottomRightVertex(vertex))
                return new List<Vertex>
                {
                    GetTopVertex(vertex),
                    GetTopLeftVertex(vertex),
                    GetLeftVertex(vertex)
                };

            if (IsBottomLeftVertex(vertex))
                return new List<Vertex>
                {
                    GetTopVertex(vertex),
                    GetTopRightVertex(vertex),
                    GetRightVertex(vertex)
                };

            if (IsTopLeftVertex(vertex))
                return new List<Vertex>
                {
                    GetBottomVertex(vertex),
                    GetBottomRightVertex(vertex),
                    GetRightVertex(vertex)
                };

            #endregion

            #region Рассматриваем боковые вершины

            if (IsVertexOnTheTopSide(vertex))
                return new List<Vertex>
                {
                    GetLeftVertex(vertex),
                    GetBottomLeftVertex(vertex),
                    GetBottomVertex(vertex),
                    GetBottomRightVertex(vertex),
                    GetRightVertex(vertex)
                };

            if (IsVertexOnTheRightSide(vertex))
                return new List<Vertex>
                {
                    GetTopVertex(vertex),
                    GetTopLeftVertex(vertex),
                    GetLeftVertex(vertex),
                    GetBottomLeftVertex(vertex),
                    GetBottomVertex(vertex)
                };

            if (IsVertexOnTheBottomSide(vertex))
                return new List<Vertex>
                {
                    GetLeftVertex(vertex),
                    GetTopLeftVertex(vertex),
                    GetTopVertex(vertex),
                    GetTopRightVertex(vertex),
                    GetRightVertex(vertex)
                };

            if (IsVertexOnTheLeftSide(vertex))
                return new List<Vertex>
                {
                    GetTopVertex(vertex),
                    GetTopRightVertex(vertex),
                    GetRightVertex(vertex),
                    GetBottomRightVertex(vertex),
                    GetBottomVertex(vertex)
                };

            #endregion

            // Иначе вершина лежит "в середине карты" и нужно вернуть все 8 смежных вершин
            return new List<Vertex>
                {
                    GetTopVertex(vertex),
                    GetRightVertex(vertex),
                    GetBottomVertex(vertex),
                    GetLeftVertex(vertex),

                    GetTopRightVertex(vertex),
                    GetBottomRightVertex(vertex),
                    GetBottomLeftVertex(vertex),
                    GetTopLeftVertex(vertex)
                };
        }

Напишем метод, который будет "отсеивать неподходящих" соседей:

private List<Vertex> GetValidNeighbors(Vertex current)
        {
            // Из всех смежных вершин оставляем только те, которые 
            // 1. Еще не посещены
            // 2. Не являются вершинами-препятствиями
            // 3. Наклон к которым меньше заданной величины (например, 30 градусов)
            return GetAllAdjacentVertices(current).Where(v => !v.IsVisited && !v.IsObstacle && Slope(v, current) < MaxSlope).ToList();
        }

И вот он! Метод для поиска кратчайшего (оптимального) пути (и его длины):

public List<Point2D> FindShortestPathAndLength(Point2D startPoint, Point2D goalPoint, 
                                               out double shortestPathLength)
        {
            shortestPathLength = 0.0; // Здесь будет храниться длина искомого пути

            // Стартовой вершине присваиваем нулевую метку
            Vertex start = Vertices[startPoint.i, startPoint.j];
            start.Label = 0.0;

            // Сохраним отдельно целевую вершину
            Vertex goal = Vertices[goalPoint.i, goalPoint.j];

            // Очередь с приоритетом
            ConcurrentPriorityQueue<Vertex, double> priorityQueue = 
              new ConcurrentPriorityQueue<Vertex, double>(new MyDoubleComparer());
            // Добавляем стартовую вершину в очередь
            priorityQueue.Enqueue(start, start.Label);

            // Цикл заканчивает свою работу, когда очередь с приоритетом пустая, 
            // либо когда целевая вершина оказалась посещена (ранний выход)
            while (priorityQueue.Any() && !goal.IsVisited)
            {
                // Получаем из очереди с приоритетом вершину с минимальной меткой
                // (и одновременно удаляем эту вершину из очереди)
                Vertex current = priorityQueue.Dequeue();

                if (current.IsVisited)
                    continue;

                current.IsVisited = true;

                // Находим подходящих соседей: 
                // которые еще не посещены, не являются препятствиями и т.п.
                List<Vertex> neighbors = GetValidNeighbors(current);

                foreach (Vertex neighbor in neighbors)
                {
                    double currentWeight = current.Label + Weight(current, neighbor);
                    if (currentWeight < neighbor.Label)
                    {
                        neighbor.Label = currentWeight;
                        neighbor.CameFrom = current.Coordinate;
                        // Добавляем соседа в очередь с приоритетом 
                        // используя в качестве приоритета значение его метки
                        priorityQueue.Enqueue(neighbor, neighbor.Label);
                    }                    
                }          
            }

            // В конце работы алгоритма в целевой вершине в свойстве Label
            // будет находиться длина искомого пути
            shortestPathLength = goal.Label;
            // А с помощью свойства CameFrom сформируем и вернем сам искомый путь
            return GetShortestPath(goal);
        }

Здесь стоит отметить использование такой структуры данных как очередь с приоритетом, о которой я уже упоминал в самом начале статьи. Использование данной структуры позволяет ускорить вычисления благодаря оптимизированным методам добавления и удаления элементов в эту очередь. Кстати в .NET начиная с версии 6 эта структура идет из коробки. А в своем проекте я использовал очередь с приоритетом из этого источника. В нем по умолчанию используется максимальный элемент в начале очереди. Для того, чтобы поменять приоритет на "минимальный" (т.к. в алгоритме Дейкстра мы берем из непосещенных вершин ту, у которой метка минимальная) был добавлен класс MyDoubleComparer.

Алгоритм Дейкстры, по умолчанию, находит кратчайший путь от стартовой вершины до всех остальных вершин графа. Для моих же целей нужно лишь найти путь между двумя заданными вершинами графа, поэтому в цикл while добавлено условие раннего выхода !goal.IsVisited , следовательно алгоритм завершится, когда целевая вершина будет посещена.

Следующий метод на основе свойства CameFrom класса Vertex "собирает" и возвращает нам искомый путь:

GetShortestPath(Vertex goal)
private List<Point2D> GetShortestPath(Vertex goal)
        {
            List<Point2D> path = new List<Point2D>();
            
            path.Add(goal.Coordinate);
            Point2D cameFrom = goal.CameFrom;

            while (cameFrom != null)
            {
                Vertex vertex = Vertices[cameFrom.i, cameFrom.j];
                path.Add(vertex.Coordinate);
                cameFrom = vertex.CameFrom;
            }

            return path;
        }

Надо заметить, что массив, содержащий координаты искомого маршрута будет сформирован "задом на перед". Т.е. первым элементом массива будут координаты целевой вершины, а последним элементом — координаты стартовой.

Ну вот, в принципе, и все!

Весь остальной код, классы и методы, — являются вспомогательными (вычисление двумерного Гауссиана, запись/чтение из файла и т.п.). Если Вы дошли до этого абзаца и хорошо понимаете, что происходит, остальную часть, я думаю, понять Вам не составит труда. Поэтому не буду на нем останавливаться, тем более что код подробно прокомментирован.

Стоит, наверное, все-таки упомянуть о двух перегруженных конструкторах класса Graph, один из которых инициализирует граф с помощью поверхности (для расчетов я использовал только Гауссиан, можете поиграться с другими поверхностями), а другой конструктор инициализирует граф с помощью матрицы из нулей и единичек (матрица-препятствий) для создания сложных лабиринтов.

Давайте наконец посмотрим на результаты!

Результаты расчетов. Простые препятствия

Начнем с простого примера. Создадим на сетке небольшое вертикальное препятствие, рисунок 3, и позволим алгоритму обойти его:

Рисунок 3. Поиск кратчайшего маршрута с вертикальным препятствием. Шаги dx = dy = 1. Количество вершин графа - 15 * 10 = 150. Черные вершины - препятствия, красные - кратчайший путь.
Рисунок 3. Поиск кратчайшего маршрута с вертикальным препятствием. Шаги dx = dy = 1. Количество вершин графа - 15 * 10 = 150. Черные вершины - препятствия, красные - кратчайший путь.

Вершины графа, которые попадают под черную линию имеют свойство IsObstacle = true, чтобы пометить их как вершины-препятствия. Параметр уклона MaxSlope здесь не имеет смысла, т.к. алгоритм работает в одной плоскости.

Из архива. Как я формировал это препятствие в csv-файле. Координаты пути

Для чтения матрицы из csv-файла и других вспомогательных действий создан класс Obstacle.

Рассмотрим следующий пример, рисунок 4:

Рисунок 4. Проход "сквозь" препятствие.
Рисунок 4. Проход "сквозь" препятствие.

В данном случае я бы не сказал, что это является ошибкой, ведь алгоритм учитывает как препятствие только те вершины графа, которые непосредственно помечены как вершины-препятствия (IsObstacle = true).

А вот если мы сформируем препятствие вот так, тогда алгоритм никуда не денется и ему придется его обойти, рисунок 5:

Рисунок 5. Обход ступенчатого препятствия.
Рисунок 5. Обход ступенчатого препятствия.

Лабиринты

Усложним работу для алгоритма и сформируем для него целый лабиринт препятствий, рисунок 6:

Рисунок 6. Поиск кратчайшего пути между двумя заданными точками в лабиринте. Красным отмечен кратчайший путь из вершины A в вершину B.
Рисунок 6. Поиск кратчайшего пути между двумя заданными точками в лабиринте. Красным отмечен кратчайший путь из вершины A в вершину B.

Увеличим лабиринт и изменим целевую вершину, рисунок 7:

Рисунок 7. Поиск кратчайшего пути в большом лабиринте.
Рисунок 7. Поиск кратчайшего пути в большом лабиринте.

Все исходные файлы по которым были построены все вышеперечисленные препятствия и лабиринты, а также координаты найденных путей находятся в проекте в соответствующих папках.

Эксперименты с параметром MaxSlope

Теперь рассмотрим 3D поверхность, заданную функцией Гаусса, которая имитирует собой одиноко стоящую гору и дадим возможность алгоритму ее обойти. При этом параметр, задающий предельную величину уклона для поиска соседей будем варьировать, рисунок 8:

Рисунок 8. Вид сверху. Нахождение оптимального пути из A в B на сложной поверхности. В правом верхнем углу обозначены величины параметра MaxSlope (в градусах) и длина найденного пути. dx = dy = 0.1
Рисунок 8. Вид сверху. Нахождение оптимального пути из A в B на сложной поверхности. В правом верхнем углу обозначены величины параметра MaxSlope (в градусах) и длина найденного пути. dx = dy = 0.1

Как мы видим, при уменьшении величины MaxSlope (в градусах) алгоритм выбирает более пологий маршрут, обходя "гору" все дальше. При этом длина самого пути увеличивается.

z-y Вид

3D вид

Поиск оптимального пути на поверхности

Ну и в конце приведу еще пример поиска оптимального пути на поверхности, куда кроме "гор" и "впадины" были добавлены искусственные сооружения, рисунок 9:

Рисунок 9. Поиск оптимального пути между двумя точками поверхности. Параметр MaxSlope = 20 градусов.
Рисунок 9. Поиск оптимального пути между двумя точками поверхности. Параметр MaxSlope = 20 градусов.

Для имитации холмов и оврага были использованы двумерные функции Гаусса с различными параметрами. Для имитации искусственных сооружений в класс Graph был добавлен метод:

CreateBuilding()
public void CreateBuilding(Point2D bottomLeftCoordinate, int width, int length, double height)
        {
            for (int i = bottomLeftCoordinate.i; i < bottomLeftCoordinate.i + width; i++)
            {
                for (int j = bottomLeftCoordinate.j; j < bottomLeftCoordinate.j + length; j++)
                    Vertices[i, j].Height = height;
            }
        }

Замечу, что здесь ни одна вершина графа не помечена как препятствие, алгоритм находит оптимальный путь благодаря заданию параметра MaxSlope.

И еще картинки с других ракурсов.

Рисунок 10. Вид с другого ракурса. Без осей координат.
Рисунок 10. Вид с другого ракурса. Без осей координат.
Рисунок 11. Вид сверху.
Рисунок 11. Вид сверху.

Заключение

Спасибо за прочтение!

Надеюсь статья была интересной и полезной. Все доработки и оптимизацию алгоритма оставляю Вам.

Литература:

Робин Уилсон. Введение в теорию графов. Пятое издание. 2019

Всем добра и качественного кода!

Комментарии (14)


  1. PuerteMuerte
    20.11.2022 23:03
    +1

    Когда я был студентом, у нас это была лабораторка на первом семестре второго курса, которую делал каждый студент, и почти все - успешно. А вы целую статью написали...


    1. Green21 Автор
      20.11.2022 23:08
      +1

      Я завидую вам) Универ универу рознь. Я об этом алгоритме узнал буквально несколько месяцев назад. Хотя в универе, я думаю, хватило бы сил реализовать его. Только на каком нибудь Pascal)


      1. PuerteMuerte
        20.11.2022 23:16
        +1

        Вообще, теория графов же входит в "стандартный пакет" ИТшных специальностей, а алгоритм Дейкстры там одной из первых тем идёт обычно. Но да, раз на раз не приходится, все вузы разные.


  1. randomsimplenumber
    21.11.2022 08:41

    Диагональные ребра в граф не включать - это несколько ускорит работу алгоритма. Полученную ломаную линию сгладить при необходимости диагональными линиями.
    Вместо MaxSlope использовать весовые коэффициенты, учитывающие не только расстояние, но и угол наклона.


  1. slupoke
    21.11.2022 15:38

    У данного алгоритма есть недостаток. При нахождения пути на непрерывных пространствах алгоритм не дает оптимальный путь. Например, на изображении зеленый путь явно короче.

    Необходимо учитывать все возможные траектории: https://en.wikipedia.org/wiki/Any-angle_path_planning


    1. PuerteMuerte
      21.11.2022 16:43
      +1

      Занудства ради, утверждение, что "алгоритм Дейкстры при нахождении пути на непрерывных пространствах не даёт оптимальный путь" означает примерно то же, что и "топор плохо подходит для рисования акварелью". Алгоритм Дейкстры и непрерывные пространства находятся в разных областях математики и в разных, практически не пересекающихся, сферах задач.


  1. wataru
    21.11.2022 17:49
    +1

    А вот это уже — правильная реализация алгоритма Дейкстры. Спасибо, что исправили вашу статью.


    Есть несколько предложений по коду:
    GetAllAdjacentVertices можно сократить раз в 10, если завести константый массив на 8 позиций со сдвигами +-1 для координат соседей. Или просто пустить два цикла от -1 до 1.
    Что-то вроде этого (я попытался в C#, но не гарантирую, что код ниже компилируется. Но идея должна быть понятна):


    for(dx = -1; dx <= 1; ++dx) {
      for (dy = -1; dy <= 1; ++dy) {
        int nx = v.Coordinate.i + dx;
        int ny = v.Coordinate.j + dy;
        if ((dx == 0 && dy == 0) || nx < 0 || ny < 0 || nx == N || ny == M) continue;
        list.Add(Vertices[nx, ny]);
      }
    }
    return list;

    ConcurrentPriorityQueue вам не нужен, хватит и PriorityQueue, у вас же нет никакой многопоточности.


    1. spovst
      21.11.2022 20:04

      Я бы сказал, почти правильная реализация. Всё же условием останова следовало бы предпочесть вариант "целевая вершина достигнута И ни один кандидат в очереди не лучше уже найденного пути". Достаточно легко представить граф, где целевая вершина может быть сначала достигнута по менее оптимальному маршруту, чем это возможно, и этот маршрут нашёлся бы уже буквально на следующей итерации (хотя это и не обязательно, зависит от структуры графа), если бы мы опрометчиво не прервали поиск. Кажется, на графе, представленном обычной регулярной сеткой "без сюрпризов", такого случиться не должно, но в случае с графами произвольного вида или когда в игру вступают веса (как в данном случае: "регулярная сетка + высоты"), такие ситуации вполне возможны.


      1. wataru
        21.11.2022 20:10

        Да не, все правильно с остановом. isVisited выставляется, когда вершина вынимается из очереди, т.е. она является минимальной из пока не посещенных. В тот момент никаких более коротких путей в нее быть не может.


        1. spovst
          21.11.2022 20:43

          Да, действительно, моя ошибка. Видимо, перепутал с А* (мне в основном приходится с ним сталкиваться), там из-за эвристики такая ситуация возможна. А в Дейкстре, в силу его жадности, извлечение целевой вершины из очереди эквивалентно нахождению оптимального пути до неё.


          1. wataru
            21.11.2022 20:49

            Вы что-то путаете. Если евристика удовлетворяет необходимым в A* условиям, то даже с ней, если вершина выбирается из очереди, то до нее известен кратчайший путь.


            Если же у вас могут кучу раз улучшаться одни и те же вершины, уже ранее рассмотренные, то это не A*, а форд-беллман или волновой алгоритм получается. И работает эта вся радость на порядок хуже дейкстры.


            1. spovst
              22.11.2022 06:40

              В моём случае строгая математичность A* (вернее, его требований к эвристике, на чём и основана гарантия его оптимальности), к сожалению, разбивается о суровую реальность.

              Если мы оптимизируем не тот же параметр, в контексте которого можем точно посчитать эвристику (например, эвристику мы считаем как расстояние, а оптимизируем время проезда, и, значит, эвристическое расстояние также нужно перевести во время), наступает момент компромиссов между оптимистичностью эвристики и количеством перебираемых вершин, что напрямую влияет на производительность.

              Под "точно посчитать эвристику" я имею ввиду "с минимальным возможным оптимизмом, но не хуже", т.е. так, чтобы не рассматривать ни одной лишней вершины, но рассмотреть все необходимые для гарантии оптимальности. То есть h(x) = 0 -- максимально оптимистичная эвристика, но с ней A* вырождается в Дейкстру и перебирает огромное количество "лишних" вершин, чего мы как раз пытаемся избежать.

              Поэтому приходится как-то выкручиваться, чтобы и рыбку съесть, и в рамках накалываемых на время расчёта ограничений остаться.

              Но это всё, конечно, не имеет отношения к чистому строго математическому A* или Дейкстре (и к данной статье в частности), это скорее уже сложности, вызванные особенностями предметной области. Моё профессиональное искажение подсунуло эти сложности туда, где их исходно нет)


              1. wataru
                22.11.2022 12:24

                Достаточно, чтобы эвристика не переоценивала реальную метрику (вермя у вас). Можете сначала оценить расстояние снизу и поделить на максимальную скорость передвижения, например. Если у вас эвристика переоценивает метрику, то вы можете не только больше вершин рассмотреть, чем надо — вы вообще можете эти вершины рассматривать очень много лишних раз. И тупая дейкстра будет быстрее. Но это, правда, для специфичных графов. Может, в вашем случае этот странный алгоритм действительно работает быстрее дейкстры. Хотя, я уверн, что подкрутив эвристику вы его еще ускорите.


    1. Green21 Автор
      21.11.2022 21:48

      Идея с оптимизацией поиска смежных вершин отличная. Добавил изменения в проект.