Skip to content

Latest commit

 

History

History
76 lines (63 loc) · 3.26 KB

README.md

File metadata and controls

76 lines (63 loc) · 3.26 KB
Raw

pyGraphr - A Python Graph Traversal Visualizer

Autor: António Raimundo

Código-base para a Unidade Curricular (UC) de Inteligência Artificial do Iscte-Sintra.

Download do projeto

Para poderem fazer o download do projeto, deverão seguir as instruções presentes na documentação do código-base. Após garantirem que o código-base já se encontra nas vossas máquinas, procedam para o próximo passo.

Configuração inicial

Têm de garantir que possuem os seguintes requisitos para poderem importar corretamente o projeto-base para o vosso IDE (Visual Studio Code / PyCharm):

  1. Ter a versão Python 3.10 ou superior instalada nas vossas máquinas.
  2. Criar um ambiente virtual específico para este projeto. Para tal, executem algumas operações:
    1. Atualizem a versão do Python Package Manager (pip): pip install --upgrade pip;
    2. Criação do ambiente virtual (recomendado): conda create -n NOME_ESCOLHIDO python=3.11;
    3. Configurar interpretador no VS Code ou PyCharm (se fizeram todos os passos corretamente, deverá aparecer nos vossos IDEs o novo ambiente virtual que criaram).

Após terminarem a configuração inicial, prossigam para mais uns comandos adicionais:

Comandos iniciais:

Para garantir que o projeto base inicia sem problemas, devem importar o projeto, e no terminal (garantir que estão localizados na pasta principal - pyGraphr) executem os seguintes comandos:

  1. pip install -r requirements.txt
  2. python -m pip install -e .

Ficheiro algorithms.py:

Para que o pyGraphr possa funcionar corretamente, deverão criar o ficheiro algorithms.py na pasta pyGraphr/src e copiar para lá o seguinte código:

class Algorithms:
    def __init__(self, graph):
        self.found_path = []
        self.visit_order = []
        self.graph = graph
        self.designations = ['Profundidade Primeiro', 'Largura Primeiro', 'Greedy BFS', 'A*', 'Dijkstra']

    def dfs(self, start_node, end_node):
        return [], []

    def bfs(self, start_node, end_node):
        return [], []

    def greedy_bfs(self, start_node, end_node):
        return [], []

    def a_star(self, start_node, end_node):
        return [], []

    def dijkstra(self, start_node, end_node):
        return [], []

    def perform_search(self, search_type, start_node, end_node):
        match search_type:
            case "Profundidade Primeiro":
                self.visit_order, self.found_path = self.dfs(start_node, end_node)
                return self.visit_order, self.found_path
            case "Largura Primeiro":
                self.visit_order, self.found_path = self.bfs(start_node, end_node)
                return self.visit_order, self.found_path
            case "Greedy BFS":
                self.visit_order, self.found_path = self.greedy_bfs(start_node, end_node)
                return self.visit_order, self.found_path
            case "A*":
                self.visit_order, self.found_path = self.a_star(start_node, end_node)
                return self.visit_order, self.found_path
            case "Dijkstra":
                self.visit_order, self.found_path = self.dijkstra(start_node, end_node)
                return self.visit_order, self.found_path