(SG13011402汪伟人工智能八数码实验.docVIP

八数码问题实验（启发式搜索算法） 姓名：汪伟 学号：S实验目的： 熟练掌握启发式搜索A* 算法。 实验内容： 使用启发式搜索算法求解8数码问题。 编制程序实现求解8 数码问题A*算法，采用估价函数发函数 f(n) = d(n) + w(n) f(n) = d(n) + p(n) 其中：d(n)是搜索树中结点n的深度,表示讨论单位耗散的情况；w(n)表示以“不在位”的将牌个数作为启发函数的度量。P(n)定义为每一个将牌与其目标位置之间距离（不考虑夹在其间的将牌）的总和。 分析上述⑴中两种估价函数求解8 数码问题的效率差别，给出一个是 p(n)的上界的h(n)?的定义，并测试使用该估价函数是否使算法失去可采纳性。 实验原理： 1. 问题描述： 在3×3 的棋盘，摆有八个棋子，每个棋子上标有1 至8的某一数字，不同棋子上标的数字不相同。棋盘上还有一个空格（以数字0 来表示），与空格相邻的棋子可以移到空格中。要求解决的问题是：给出一个初始状态和一个目标状态，找出一种从初始转变成目标状态的移动棋子步数最少的移动步骤。所谓问题的一个状态就是棋子在棋盘上的一种摆法。 2. 算法思想 启发式搜索算法A（简称为A算法）的基本思想是：定义一个评价函数f，对当前的搜索状态进行评估，找出一个最有希望的节点来扩展。 评价函数的形式如下： f（n）＝g（n）＋h（n），其中n是被评价的节点。 定义： – g*(n)：表示从初始节点s到节点n的最短路径的耗散值； – h*(n)：表示从节点n到目标节点g的最短路径的耗散值； – f*(n)=g*(n)+h*(n)：表示从初始节点s经过节点n到目标节点g的最短路径的耗散值。 ? f（n）、g（n）和h（n）分别是对f*（n）、g*（n）和h*（n）三个函数值的估计值，是一种预测。 A算法就是利用这种预测来达到有效搜索。它每次按照f(n)值的大小对待扩展的节点进行排序，f值小的节点放在前面，而f值大的节点则被放在后面，每次扩展节点时都是选择当前f值最小的节点来优先扩展。 本实验中我们使用函数 p(n)，其值是节点 n与目标状态节点相比较，每个错位棋牌在 假设不受阻拦的情况下，移动到目标状态相应位置所需走步（移动次数）的总和。显然 p(n) 比w(n)更接近于h*(n)，因为p(n)不仅考虑了错位因素，还考虑了错位的距离。 3. 算法伪代码描述 ① OPEN:＝（s），f（s）:＝g（s）+h（s）; ② LOOP：IF OPEN＝（ ）THEN EXIT（FAIL）； ③ n:＝FIRST（OPEN）； ④ IF GOAL（n）THEN EXIT（SUCCESS）； ⑤ REMOVE（n，OPEN），ADD（n，CLOSED）； ⑥ EXPAND（n）→{mi}，计算f（n，mi）＝g（n，mi）+h（mi）；g（n，mi）是从s通过n到mi的耗散值，f（n，mi）是从s通过n、mi到目标节点耗散值的估计。 ? ADD（mj，OPEN），标记mj到n的指针。 ? IF f（n，mk）f（mk）THEN f（mk）:＝f（n，mk），标记mk到n的指针；比较f（n，mk）和f（mk），f（mk）是扩展n之前计算的耗散值。 ? IF f（n，ml）f（ml）THEN f（ml）:＝f（n，ml），标记ml到n的指针，ADD（ml，OPEN）；当f（n，ml）f（ml）时，把ml重放回OPEN中，不必考虑修改到其子节点的指针。 ⑦ OPEN中的节点按f值从小到大排序； ⑧ GO LOOP； 实验程序及其说明： 1）int goal[N][N]，struct Chessboard： 试验中我定义goal 数组为目标状态——{1,2,3,8,0,4,7,6,5}。结构体Chessboard 记录棋盘信息，其中变量pos 数组坐标记录每个数码a 的位置，其值为数码a。d 表示该棋盘的深度，f 为启发函数值，move 为父节点移动到该节点的方式，以便在输出时告诉用户该如何移动棋子知道目标状态。 2）struct LNode： 定义节点LNode 结构体，存放该节点状态时的棋盘信息board，和指向父节点、下一节点的指针(*parent,*next)，以及标记量flag——值为true 时表示该节点是最佳路径上的节点。 3）int* Findzero(LNode* Node)： 为方便找到空格，我设计了找到该函数Findzero(*Node)，以便找到当前节点空格所在位置以利于接下来的程序执行。返回值为空格所在的行和列。 4）int Wrong(LNode *Node)和int pick(LNode *Node)： 分别为函数?(n)和 p(n)。 5）LNode* extend(LNode