A星算法八数码问题和SA算法模拟退火算法旅行商问题.docxVIP

A*算法SA算法A*算法SA算法1A*算法1【算法简介】1【算法流程】1【问题描述】1【核心代码】2【实验结果】2【实验思考】6SA算法7【算法简介】7【算法流程】7【问题描述】7【核心代码】7【实验结果】8【实验思考】9附录10【A*算法解决八数码问题代码】10【SA算法解决旅行商问题代码】23A*算法【算法简介】A*搜索算法是对A搜索算法的改进，从而不仅能得到目标解，而且还一定能找到最优解。当然是问题有节的前提下。定义最优估价函数f*(n)=g*(n)+h*(n)。其中n为状态空间图中的一个状态，g*(n)为起点到n状态的最短路径代价值，h*(n)为n状态到目的状态的最短路径的代价值。这样f*(n)就是从起点出发通过n状态而到达目的状态的最佳路径的总代价。A*搜索中用个个个g(n)和h(n)作为g*(n)和h*(n)的估计，使其尽量接近，从而提高效率。【算法流程】初始化open、closed链表判断此问题是否有解：无解，则打印信息退出；有解，则继续Repeat　　open表为空查找失败　　open表不空，从open表中拿出fmin（记为Bestnode）放入closed表　　若Bestnode是目标结点成功求解break　　若Bestnode不是目标结点，产生它的后继succeed链表　　对每个后继，Repeat建立此结点到Bestnode的parent指针结点在open表中，将open表中结点加入Bestnode后继结点链，若此结　　　　点g值小于open表中结点g值，open表中结点改变parent指针，并删除此点结点在closed表中，将closed表中结点加入Bestnode后继结点链，若此结点g值小于closed表中结点g值，closed表中结点改变parent指针，closed表中结点重新加入open表中，并删除此点open表和closed表中均无此点，将此点加入Bestnode后继结点链，并按一定规则的加入到open表中【问题描述】在一个3*3的方棋盘上放着1,2,3,4,5,6,7,8八个数码，每个数码各占一格，且有一个空格。这些数码可以在棋盘上移动，其移动规则时：与空格相邻的数码放个可以移入空格。现在的问题是：对于指定的初始棋局和目标棋局，给出数码的移动序列。【核心代码】while(!isEmpty(open)){//从open表中拿出f值最小的元素,并将拿出的元素放入closed表中popN (open , tmpNode);addN (closed , tmpNode); outputS (tmpNode);if(HValue(tmpNode) == 0) success= true;//目标结点SucceedL(tmpNode , succeed);//后继存入succeed//判断后继结点while(!isEmpty(succeed)){popN (succeed, tmpLNode); if(inLink(tmpLNode , open , tmpChartNode , thePreNode)) else if(inLink(tmpLNode , closed , tmpChartNode , thePreNode))else{addSucceedN(tmpNode , tmpLNode);addAscNode(open , tmpLNode);}}if(success) outputBR(tmpNode);//打印最优路径}【实验结果】1.启发式函数h(n)采用不在位奖牌数时，所得结果：2.启发式函数h(n)采用曼哈顿距离时的结果对比上述两种情况，因此实验中，不在位奖牌数为4，曼哈顿距离为1+2+1+1=5.所以但启发式函数采用曼哈顿距离时，其包含的启发信息量大，搜索效率高。体现在上实验上便是，加入open表的状态数少1.但最终最优路径一致。【实验思考】八数码的可解问题如上图，此种情况下，八数码问题是无解的。通过查阅资料，了解到八数码解的问题可以通过逆序数的奇偶性来判断。因为八数码问题在空白移动过程中，数码的逆序数不改变。左右移动，数码序列不变。上下移动，数码序列中某个数字则移动了两位，整个序列的奇偶性不变。问题的实质就是：如果是N*N的数码盘的话，左右移动，数码序列不变；上下移动则数码序列变动N-1位。若N为奇数则在变动过程中其逆序数的奇偶性不会改变。因八数码问题N=3，为奇数故可通过判断当前状态S的逆序数以及目标状态SD的数字序列的逆序数的奇偶性是否相同来判断该问题是否可解。SA算法【算法简介】模拟退火算法作为局部搜索算法的一种扩展，是根据复杂组合优化问题与固体的退火过程之间的相似之处，从而在它们之间建立联系而提出来的。它是一种典型的概率模拟算法，其基本思想时在一个相当大的空间内