Búsqueda en profundidad DFS en matrices

Como recordarás, en la búsqueda en amplitud en matrices, encontramos el camino más corto desde un estado hasta otro pasando sólo por estados válidos en el recorrido, sin embargo, ese camino mínimo no es el único que hay. Para encontrar todas las formas posibles de resolver una búsqueda, es necesaria una búsqueda en profundidad o DFS por sus siglas en inglés Depth First Search.

Principio de la búsqueda

En el problema para salir de un laberinto, pudimos encontrar el camino más corto necesario para salir del laberinto, utilizando una búsqueda en amplitud. Si quisiéramos conocer todas las formas posibles de salir del laberinto, es decir, todos los diferentes caminos que podemos tomar en la resolución de un problema, podemos usar una búsqueda en profundidad. La búsqueda en profundidad se apoya en la recursión principalmente y en la capacidad de regresar en esa recursión y necesitaremos regresar en la recursión si queremos corregir el camino que ya hemos tomado.

Por la naturaleza de la búsqueda en profundidad, el tiempo de ejecución necesario para dar todas las posibles formas de resolver un problema, suele ser mucho más alto que una búsqueda en amplitud.

La forma en la que la DFS funciona es muy sencilla, si retomamos nuestra analogía de los cajones que dentro tienen más cajones y más cajones en cada cajón, podemos realizar una búsqueda en profundidad abriendo el primer cajón del estante inicial, luego el primero del estante dentro del nuevo cajón y luego el primero de ese y así sucesivamente. En algún momento abriremos un cajón que ya no tendrá cajones dentro, es decir ya no podremos seguir yendo más profundo. En ese momento, salimos de ese cajón y abrimos el siguiente, es decir, dado que hemos estado abriendo el primer cajón de cada nivel, el primero de todos los estados inmediatos, una vez que ya no podamos abrir ese primer estado, podremos abrir el segundo y continuar. Es decir, podemos dar un paso atrás y continuar con el segundo estado inmediato. Ese paso atrás, es precisamente volver en la recursión.

Problema general

Esta es una variante del problema “Saliendo del laberinto”. Para esta variante, se expresa en una matriz de caracteres, una especie de mapa, donde determinados caracteres representan los sitios por los que no podemos avanzar (comúnmente referidos como paredes) y otros caracteres representan los caminos por los que sí podemos avanzar. Además, se indica dónde están los puntos o coordenadas de inicio y de fin. La respuesta al problema, es mencionar a cantidad total de formas que existen para salir del laberinto, en otras palabras, decir cuántos caminos diferentes se pueden tomar para salir.

Preparando las herramientas

El primer paso es darnos una idea sobre cómo vamos a interpretar la entrada, una entrada clásica para este tipo de problemas es algo como sigue:

Como seguramente puedes intuir, los primeros dos enteros expresan la cantidad de columnas y de filas respectivamente. Los caracteres # son “paredes” o puntos a los que no podemos acceder, menos atravesar. Los . son sitios por donde podemos pasar y los caracteres I y F marcan los puntos de inicio y fin respectivamente.

Con lo anterior, podemos anticiparnos a decir que las dimensiones del mapa son variables enteras, mientras que el mapa en sí, es una matriz de caracteres. Recordemos que algo crucial es interpretar el mapa como un plano cartesiano, esto nos simplifica la vida bastante. Ahora, recordemos que una búsqueda siempre se compone de estados y con lo que trabajamos en la búsqueda es precisamente con esos estados, entonces es también muy importante definir una forma sencilla de manejar cada característica de cada estado. Es muy muy importante recordar que utilizaremos la recursión para poder regresar en nuestros posibles caminos, por lo que iremos recordando cada estado anterior gracias a los parámetros de la recursión.

Además de nuestra matriz de caracteres, necesitaremos otra matriz de iguales medidas que nos diga las posiciones de las que venimos, para no regresar a ellas. Esto evitará que pasemos más de una vez por el mismo lugar y principalmente que nos quedemos en un ciclo interminable de dar un paso adelante y un paso hacia atrás. Cada que terminemos de analizar todos los posibles estados de una determinada posición, podemos quitar esa marca de casilla visitada, para que esa casilla pueda ser utilizada al trazar nuevos caminos.

Implementación recursiva

Según lo anteriormente dicho, sólo nos falta realizar la búsqueda. Hasta ahora tenemos nuestra solución del siguiente modo:

Estructura de la búsqueda

La forma en la que la búsqueda funcionará debe estar perfectamente regulada, para evitar cualquier ciclo infinito en la recursión. El principio a seguir es el siguiente:

Así, al final tendremos un código completo como sigue:

Es importante notar la importancia de almacenar la solución en una variable externa a la recursión, de no ser así, eventualmente el valor de esa variable volverá a su valor inicial, que no es lo que buscamos. También es importante la forma en la que recordamos los estados anteriores para no volverlos a incluir en una misma solución, en otras palabras, la forma en la que recordamos las posiciones anteriores para no volver a pasar por ahí en un mismo camino.

Conclusión

Es muy importante tener bien en claro la forma en la que dejar estados pendientes en la recursión nos permite explorar todos los posibles estados. Seguramente has pensado que el código anterior es más corto que el de la búsqueda en amplitud y que también podemos usarlo para ver caminos más cortos o más largos, incluso el promedio de los caminos, sin embargo, el tiempo de ejecución es muchísimo más grande en una búsqueda en profundidad. Por ejemplo, puedes probar en ambas búsquedas una entrada como:

Y decir el camino más corto. La búsqueda en amplitud resolverá el problema en menos de un segundo, sin embargo la búsqueda en profundidad necesitará al rededor de minutos para responder, esto porque buscará todos los posibles caminos y no sólo el menor, es decir explorará los diferentes caminos que puedes recorrer para llegar de un punto a otro. Puedes realizar el experimento en tu computadora y ver cuánto tarda uno y otro y ver por cuenta propia el porqué se realiza la BFS para los caminos cortos. Es posible disminuir el tiempo de ejecución de esta búsqueda en este ejemplo de camino más corto realizando podas, por ejemplo no es necesario seguir explorando un camino si en algún momento requiere más pasos que la solución actual. Aún con una poda como esta, el tiempo de ejecución es mucho más elevado.

Cita esta página

Include Poetry - Code. (2020, 4 de enero). Búsqueda en profundidad DFS en matrices. Obtenido de https://www.include-poetry.com/Code/C++/Metodos/Busquedas/Profundidad/Matrices/

/* Comentarios */