人工智能第一次八数码-Read.DOCVIP

人工智能第一次实验 八数码 06计算机B NO.3 题目：比较采用分别采用P(n)和W(n)作为启发函数的算法A*解决8数码问题的性能，包括：运行时间、产生的结点数、搜索树的平均分枝因子。(150分) 关于A*算法的一些概念知识点 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。 　　公式表示为： f(n)=g(n)+h(n), 　　其中f(n) 是节点n从初始点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。估价值与实际值越接近，估价函数取得就越好。 在这个实验中p（n）是每个数码与其目标位置之间距离的总和，W（n）是不在位的数码个数。我们发现，采用P(n)比采用W(n)的平均分支因子要小。测试结果表明，P(n)的启发强度比W(n)要好，也就是说用“距离和”比用“不在位和”作为启发函数更加有效。由此可见，尽管都是启发式搜索，但是如果启发函数的启发能力不够强大，那么效果并不能够得到显著的改善。 A*算法的启发函数可以改写为然后通过w的大小来控制启发分量的大小，w是一个正数，很大的w值会过分强调启发分量，而过小的w值则突出宽度优先的特征。实验证明，使w值随搜索树中结点深度成反比变化可提高搜索效率，也就是说在深度浅的地方搜索主要依赖于启发分量，而在较深的地方，搜索应该逐渐变为宽度优先，以保证最终找到到达目标的某一条路径。 运行时间的计算 我们在程序中使用了GetTickCount函数 　　函数功能：GetTickCount返回（retrieve）从操作系统启动到现在所经过（elapsed）的毫秒数，它的返回值是DWORD。 产生节点数（扩展节点数）与所需步数的计算： 生成节点：在求解问题过程中总共生成的节点数目，从一个侧面反映了算法的时间和空间复杂度。 扩展结点：在求解问题的过程中所选择来进行扩展的结点数目，从一个侧面反映了算法的启发能力的优劣性。 所求解的步数：最终求解到的问题的解，可以用来判断算法的有效性。 关于平均分支因子 平均分枝因子是搜索效率的一个有效度量。平均分支因子定义如下： 假设搜索找到了一个长为d的路径，生成了N个结点，那么B就是有下列属性的树上的每个结点的后继个数： ①树中每个非树叶结点都有B个后继；②树中的树叶结点的深度均为d；③树中的结点总数是N。 设平均分枝因子共扩展了d层结点，共搜索了N个结点，则 式中：B为平均分支因子。 可以通过数学转换和近似得到 的求解公式。B越小，说明效果越好。实验表明，B是一个稳定的常数，基本不随问题规模变化。 5. A*算法的流程如下： 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到目标结点耗散值的估计。 ·ADD（mj，OPEN），标记mi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，m1）f（m1）THEN f（m1）:＝f（n，m1），标记m1到n的指针，ADD（m1，OPEN）；当f（n，m1）f（m1）时，把m1重放回OPEN中，不必考虑修改到其子结点的指针。 ⑦ OPEN中的结点按f值从小到大排序； ⑧ GO LOOP； 关于程序的一些实现 八数码的存储： 用二维数组detail[3][3]，来存储八个数码，用一个结构Map存储每次状态： typedef struct maps { int detail[3][3]; int gx; // 实际已经花费 int fx; // 预计花费（fx）= 实际已经花费（gx）+ 预计剩余花费（hx） int parent; // 记录父节点在hash表中的位置 int myindex; // 记录自己节点在hash表中