Prolog中的广度优先

在Prolog中，使用宽度优先于默认深度优先搜索方案的总体思路是什么

不拿无限的树枝

---

在Prolog中是否有使用广度优先的通用方法？我一直在谷歌上搜索，没有找到太多对新手有用的信息。

广度优先的优势是你可以找到所有的解决方案。有了深度优先，你会被困在无限的树枝上

缺点是广度优先使用大量内存，因此通常不用于执行

如果您想使用它，您需要使用某种队列显式地实现它

---

编辑：如果您想在不占用大量内存的情况下获得广度优先搜索的优势，可以使用迭代深化。这是具有深度范围的深度优先搜索，可以依次增加深度范围。这会导致一些重复计算，但如果您的搜索空间没有长的线性延伸而没有分支，那么这个重复就很小了。

我知道有一个东西叫做“议程搜索”。在遍历（数据、关系、规则等）树的过程中，您维护一个“议程”（列表），其中列出了下一步要做的事情。当您进入一个节点时，您将其子节点放在议程上，然后继续执行您弹出的议程的第一个元素。这样，如果你把新的项目放在议事日程的末尾，你就会得到广度优先。如果你把它们放在议事日程的前面，你就会得到深度优先

用Prolog很容易实现

编辑：我不妨在这里给出一个实现提示。这是一个非常基本的议程搜索算法的实现

agenda_search([N|T],Mode):-
    doWithNode(N),           % do whatever you do the searching for
    getNodeChildren(N,C),
    (Mode=bf ->              % bf or df (depth-first)
        append(T,C,A);
        append(C,T,A)),
    agenda_search(A,Mode).

它依赖于外部谓词

doWithNode

，这些谓词表示要对每个节点执行的操作（例如，将节点数据与搜索词进行比较、序列化节点内容、asf）。和

getNodeChildren

，将给定节点的子节点列表绑定到

C

（即，该谓词实际上知道树结构以及如何查找子节点）。当然，

doWithNode

谓词可能需要额外的参数来完成其工作，这也会显示在

agenda\u search

的参数列表中

您可以这样调用它：

agenda_search([RootNode], bf)   % for breadth-first search

及

---

我还找到了一些关于议程搜索的解释。议程搜索的好处在于，您可以轻松地在df和bf这两个变量之间切换，并处理结果。该算法在内存方面表现良好，因为议程（仍需探索的节点）在任何时候都只能捕获树中的一小部分节点（或多或少）（所谓的边缘）。

用于议程搜索的代码应该可以正常工作。 为了效率，您可能希望考虑使用另一个数据结构；实际上，在广度优先模式下，整个节点列表（T）将由append（T，C，A）遍历。 例如，您可以使用来自SICStus的库（队列）模块。 广度优先搜索将如下所示（由谓词start/1、后续谓词s/2和目标谓词goal/1设置参数）。注意，我还添加了循环检查

bfs(Res) :- start(Start), empty_queue(EQ), queue_append(EQ,[e(Start,[])],Q1), bfs1(Q1,Res). bfs1(Queue,Res) :- queue_cons(e(Next,Path),NQ,Queue), bfs2(Next,Path,NQ,Res). bfs2(H,Path,_NQ,Res) :- goal(H), reverse([H|Path],Res). bfs2(H,Path,NQ,Res) :- findall(e(Succ,[H|Path]), (s(H,Succ),\+ member(Succ,Path)),AllSuccs), queue_append(NQ,AllSuccs,NewQueue), bfs1(NewQueue,Res). bfs（Res）：-启动（start），空队列（EQ）， 队列附加（EQ[e（Start，[]）]，Q1）， bfs1（Q1，Res）。 bfs1（队列，Res）：-队列图标（e（下一个，路径），NQ，队列）， bfs2（下一个，路径，NQ，Res）。 bfs2（H，路径，Res）：-goal（H），reverse（[H | Path]，Res）。 bfs2（H、路径、NQ、Res）：- findall（e（成功，[H|路径]）， （s（H，Succ），\+成员（Succ，Path）），所有Succ）， 队列附加（NQ、AllSuccs、NewQueue）， bfs1（新队列，Res）。 （您还可以尝试用更好的数据结构（例如AVL树）替换/补充Path组件。） 要解决的一个示例问题是：

start(env(0,0)). s(env(X,Y),env(X1,Y)) :- X1 is X+1. s(env(X,Y),env(X,Y1)) :- Y1 is Y+1. goal(env(3,3)). 开始（环境（0,0））。 s（env（X，Y），env（X1，Y））：-X1是X+1。 s（env（X，Y），env（X，Y1））：-Y1是Y+1。 目标（env（3,3））。 您还可以将队列替换为优先级队列，并使用启发式函数计算优先级。然后得到一个*搜索（可以模拟深度优先、广度优先、最佳优先……）。 布拉特科的书（人工智能的逻辑编程）应该是阅读这些材料的好来源

start(env(0,0)). s(env(X,Y),env(X1,Y)) :- X1 is X+1. s(env(X,Y),env(X,Y1)) :- Y1 is Y+1. goal(env(3,3)).