(人工智能算法实现.docVIP

人工智能算法实现：[1]A*算法c语言 分步阅读 A*算法，A*（A-Star)算法是一种静态路网中求解最短路最有效的方法。估价值与实际值越接近，估价函数取得就越好。 A*[1]（A-Star)算法是一种静态路网中求解最短路最有效的方法。 公式表示为： f(n)=g(n)+h(n), 其中 f(n) 是从初始点经由节点n到目标点的估价函数， g(n) 是在状态空间中从初始节点到n节点的实际代价， h(n) 是从n到目标节点最佳路径的估计代价。 保证找到最短路径（最优解的）条件，关键在于估价函数h(n)的选取： 估价值h(n)= n到目标节点的距离实际值，这种情况下，搜索的点数多，搜索范围大，效率低。但能得到最优解。 如果 估价值实际值,搜索的点数少，搜索范围小，效率高，但不能保证得到最优解。 DEVC++或 VC 6.0方法/步骤 估价值与实际值越接近，估价函数取得就越好例如对于几何路网来说，可以取两节点间欧几理德距离（直线距离）做为估价值，即f=g(n)+sqrt((dx-nx)*(dx-nx)+(dy-ny)*(dy-ny))；这样估价函数f在g值一定的情况下，会或多或少的受估价值h的制约，节点距目标点近，h值小，f值相对就小，能保证最短路的搜索向终点的方向进行。明显优于Dijkstra算法的毫无方向的向四周搜索。 conditions of heuristic Optimistic (must be less than or equal to the real cost) As close to the real cost as possible 详细内容： 创建两个表，OPEN表保存所有已生成而未考察的节点，CLOSED表中记录已访问过的节点。 算起点的估价值; 将起点放入OPEN表; A star算法在静态路网中的应用，以在地图中找从开始点 s 到e点的最短行走路径为例： 首先定义数据结构 #define MAPMAXSIZE 100 //地图面积最大为 100x100? #define MAXINT 8192 //定义一个最大整数, 地图上任意两点距离不会超过它? #define STACKSIZE 65536 //保存搜索节点的堆栈大小? #define tile_num(x,y) ((y)*map_w+(x)) //将 x,y 坐标转换为地图上块的编号? #define tile_x(n) ((n)%map_w) //由块编号得出 x,y 坐标? #define tile_y(n) ((n)/map_w)? // 树结构, 比较特殊, 是从叶节点向根节点反向链接? typedef struct node *TREE;? struct node { int h; int tile; TREE father; }; typedef struct node2 *LINK; struct node2 { TREE node; int f; LINK next; }; LINK queue; // 保存没有处理的行走方法的节点? TREE stack[STACKSIZE]; // 保存已经处理过的节点 (搜索完后释放)? int stacktop; char map[][6]={{x,x,x,x,x,x}, ? ? ? ? ? ? ? ?{x,e, , , ,x}, ? ? ? ? ? ? ? ?{x,x, ,x, ,x}, ? ? ? ? ? ? ? ?{x,x, , , ,x}, ? ? ? ? ? ? ? ?{x,x,x,x,s,x}, ? ? ? ? ? ? ? ?{x,x,x,x,x,x} };//地图数据? int dis_map[MAPMAXSIZE][MAPMAXSIZE];//保存搜索路径时,中间目标地最优解? int map_w,map_h;//地图宽和高? int start_x,start_y,end_x,end_y; //地点,终点坐标? // 路径寻找主函数? void findpath(int *path) { ?//printf(%d,%d,%d,%d,start_x,start_y,end_x,end_y); ? TREE root; int i,j; stacktop=0; for (i=0;imap_h;i++) for (j=0;jmap_w;j++) dis_map[i][j]=MAXINT; init_queue(); root=(TREE)malloc(sizeof(*root)); root-tile=tile_num(start_x,start_y); root-h=0; root-father=NULL; enter_queue(root,judge(sta