人工智能实验指导书(AI2014)概要1.doc

实验一? 八数码问题 一、实验目的： 熟悉和掌握启发式搜索的定义、估价函数和算法过程，并利用启发式搜索算法求解八数码难题，理解求解流程和搜索顺序。 二、实验原理： 启发式搜索就是利用知识来引导搜索，达到减少搜索范围，降低问题复杂度的目的。一般来说，启发信息强，可以降低搜索的工作量，但可能导致找不到最优解；而启发信息弱，一般会导致搜索的工作量加大，极端情况下演变为盲目搜索，但有可能找到最优解。我们希望，通过引入启发知识，在保证找到最佳解的情况下，尽可能减少搜索范围，提高搜索效率。算法的理论意义在于给出了求解最佳解的条件h(n)≤h*(n)。对给定的问题，函数h*(n)（n是变量）在问题有解的条件下客观上是存在的，但在问题求解过程中不可能明确知道，因此对实际问题，能不能使所定义的启发函数满足下界范围条件？如果困难很大，那么 算法的实际应用就会受到限制。下面将通过8数码问题来说明这个问题。八数码游戏（八数码问题）描述为：在3×3组成的九宫格棋盘上，摆有八个将牌，每一个将牌都刻有1-8八个数码中的某一个数码。棋盘中留有一个空格，允许其周围的某一个将牌向空格移动，这样通过移动将牌就可以不断改变将牌的布局。这种游戏求解的问题是：给定一种初始的将牌布局或结构（称初始状态）和一个目标的布局（称目标状态），问如何移动将牌，实现从初始状态到目标状态的转变。 2 8 3 1 6 4 7 5 2 8 3 1 4 7 6 5 2 8 3 1 6 4 7 5 2 8 3 1 6 4 7 5 2 8 3 1 4 7 6 5 2 3 1 8 4 7 6 5 2 8 3 1 4 7 6 5 2 3 1 8 4 7 6 5 2 3 1 8 4 7 6 5 1 2 3 8 4 7 6 5 1 2 3 8 4 7 6 5 1 2 3 7 8 4 6 5 h(n)=P(n)的搜索树 三、实验条件： 1.? JAVA/VC6.0。 2.????八数码问题流程图??。 四、实验内容： 1.????用启发式搜索算法求解八数码问题。 2.????分析估价函数对搜索算法的影响。 3.????分析启发式搜索算法的特点。 五、实验步骤： 1. 了解启发式搜索算法的算法思想。 2. 用启发式搜索算法分析八数码问题，构造启发函数，建立解题思路。 3. 根据解题思路编写程序并调试。 4. 演示程序。 六、实验报告要求： 1.???????? 启发式搜索算法流程图和算法框图。 2.???????? 试分析估价函数的值对搜索算法速度的影响。 3.???????? 根据启发式搜索算法分析启发式搜索的特点。 七、参考程序： 要想得到最优的就需要使用广度优先搜索，的所排列有９！种，也就是３６２８８０种排法，数据量是非常大的，我使用的广度搜索，需要记住每一个结点的排列形式，要是用数组记录的话会占用很多的内存，我们把数据进行适当的压缩。使用ＤＷＯＲＤ形式保存，压缩形式是每个数字用３位表示，这样就是３×９＝２７，由于８的二进制表示形式１０００，不能用３位表示，我使用了一个小技巧就是将８表示０００，然后用多出来的５表示８所在的位置，就可以用ＤＷＯＲＤ表示了。用移位和或操作将数据逐个移入，比乘法速度要快点。定义了几个结果来存储遍历到了结果和搜索完成后保存最优路径。类CNineGird结构如下：class CNineGird { public: struct PlaceList { DWORD Place; PlaceList* Left; PlaceList* Right; }; struct Scanbuf { DWORD Place; int ScanID; }; struct PathList { unsigned char Path[9]; }; private: PlaceList *m_pPlaceList; Scanbuf *m_pScanbuf; RECT m_rResetButton; RECT m_rAutoButton; public: int m_iPathsize; clock_t m_iTime; UINT m_iStepCount; unsigned char m_iTargetChess[9]; unsigned char m_iChess[9]; HWND m_hClientWin; PathList *m_pPathList; bool m_bAutoRun; private: inline bool AddTree(DWORD place , PlaceList