搜索策略实验群.docVIP

《人工智能实验报告》 搜索策略实验群 搜索策略: 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A*算法求解N数码难题，理解求解流程和搜索顺序。 二、实验原理: A*算法是一种有序搜索算法，其特点在于对估价函数的定义上。对于一般的有序搜索，总是选择f值最小的节点作为扩展节点。因此，f是根据需要找到一条最小代价路径的观点来估算节点的，所以，可考虑每个节点n的估价函数值为两个分量：从起始节点到节点n的代价以及从节点n到达目标节点的代价。 三、实验内容： 1分别以各种搜索算法为例演示搜索过程。 2分析各种算法中的OPEN表CLOSE表的生成过程。 3分析估价函数对搜索算法的影响。 4分析某种启发式搜索算法的特点。 四、实验步骤： 1开始演示。进入搜索策略演示程序，可从多种不同搜索算法选择装载相关源文件。 2选择不同的搜索算法，点击“autosearch” 观察搜索过程。 3设置不同属性，观察搜索过程的变化。 4 观察运行过程和搜索顺序，理解启发式搜索的原理。 5算法流程的任一时刻的相关状态,以算法流程高亮、open表、close表、节点静态图、当前扩展节点移动图等5种形式在按钮上方同步显示,便于深入学习理解搜索算法。 6根据程序运行过程画出搜索算法框图。 7、若要自己设计改进算法并运行，可参考帮助文件。 五、实验结论：包括做实验的目的、方法、过程等，具体要写成实验报告，如下图所示（见下页）。 1启发式搜索算法A*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A*算法分析启发式搜索的特点。 ? 附：搜索策略实验报告表: ? 姓名 　 年级 　 日期 　 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A*算法求解N数码难题，理解求解流程和搜索顺序。 搜索图 　 算法比较 深度优先 启发式 A* Open表 {s} {1,2} {3,4,2} {7,4,2} {4,2} {8,2} {2} {5,6} {9,G,6} {G,6} 　1.{S} 2.{1,2} 3.{5,6,1} 4.{10,5,1} 5.{5,1} 6.{9,G,1} 7.{9,1} 　1.{S} 2.{1,2} 3.{5,6,1} 4.{9,G,6,1} 5.{9,6,1} Close表 　1.{null} 2.{S} 3.{1,S} 4.{3,1,S} 5.{7,3,1,S} 6.{4,7,3,1,S} 7.{8,4,7,3,1,S} 8.{2,8,4,7,3,1,S} 9.{5,2,8,4,7,3,1,S} 10.{9,5,2,8,4,7,3,1,S} 　1.{null} 2.{S} 3.{2,S} 4.{6,2,S,} 5.{10,6,2,S} 6.{5,10,6,2,S} 7.{G,5,10,6,2,S} 　1.{null} 2.{S} 3.{2,S} 4.{5,2,S} 5.{G,9,2,S} 估价函数 　 　F(n)=d(n)+W(n) 　F(x)=g(x)+h(x) 搜索节点次序记录 　1 2 3 4 5 6 1 2 3 4 观测结果 　 　 　 学生结论 　盲目搜索比较麻烦的方法比较费节省时间 　算法没有A*算法好 　一个好的估价函数可以大大地优化搜索过程,而一个坏的估价函数也可能导致极差的搜索