用a星算法解决八数码问题.docx

A*算法解决八数码问题 1问题描述 什么是八数码问题 Oid□八数码游戏包括一个3x3的棋盘，棋盘上摆放着 O id □ 问题的搜索形式描述 状态：状态描述了 8个棋子和空位在棋盘的9个方格上的分布。 初始状态：任何状态都可以被指泄为初始状态。 操作符：用来产生4个行动(上下左右移动)。 目标测试：用来检测状态是否能匹配上图的目标布局。 路径费用函数：每一步的费用为1，因此整个路径的费用是路径中的步数。 现在任意给泄一个初始状态，要求找到一种搜索策略，用尽可能少的步数得到上图的目 标状态。 解决方案介绍 算法思想 估价函数是搜索特性的一种数学表示，是指从问题树根廿点到达目标节点所要耗费的全 部代价的一种估算，记为f(n)。估价函数通常由两部分组成，其数学表达式为 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，搜索范羽大，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。 搜索中利用启发式信息,对当前未扩展结点根据设定的估价函数值选取离目标最近的结 点进行扩展，从而缩小搜索空间，更快的得到最优解，提髙效率。 启发函数 进一步考虑当前结点与目标结点的距离信息，令启发函数h ( n )为当前8个数字 位与目标结点对应数字位距离和(不考虑中间路径)，且对于目标状态有h ( t ) = 0,对 于结点m和n (n是m的子结点)有h ( m ) - h ( n ) = 1 = Cost ( m, n )满足单 调限制条件。 2算法介绍 A*算法的一般介绍 A* (A-Star)算法是一种静态路网中求解最短路最有 A star算法在静态路网中的应用 效的方法。对于几何路网来说，可以取两节点间欧几理徳距离(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 值一定的情况卜一, 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。明显优于盲目搜索策略。 算法伪代码 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。 while(OPEN!二NULL) 从OPEN表中取估价值f最小的ij点n; if (n舀点=目标节点) {break;} for (当前节点n的每个子节点X) { 算X的估价值； 辻(X in OPEN) { if( X的估价值小于0PE7表的估价值) {把“设宜为X的父亲； 更新OPEN表中的估价值；中有结点设为nl被扩展放入closed表时，nl的前驱刚好已 经存储好。下而说明closed表中任意一个结点都存储有它的前驱结点的信息，考虑closed 表中任意一个结点，如果它是初始结点，它没有前驱结点，如果不是根结点，扩展该结点时 它的前驱结点已经记录。从而在closed表中形成扩展关系的树状结构。因为只需要前驱结 点的下标位宜，可以用数组实现，每个结点记录整数表示的8数码格局和它的前驱结点的下 标，输出路径时，根据前驱结点形成到达根结点的链条，递归输岀即可。 解决结点重复扩展问题 对于一个结点有多种方式到达该结点，这样就可能多次将它加入op亡n表中，而 启发函数满足单调限制条件，后来达到该结点的路径不再是更优的，可以不予考虑。扩展某 结点时先看该结点是否已经扩展过，如果扩展过则略过。实现的可以线形遍历closed表， 但效率不高时间复杂度为0 ( closedSize),考虑每个结点可以用一个整数标识，用二叉平 衡查找树可以得到更好的时间复杂度0 ( log (closedSize)),程序中用基于红黑树思想 的set实现。 实验结果 输入数据(0表示空格) 步数 扩展结点数 生成结点数 搜索用时(亳秒) 312405678 2 □ 11 0 312475680 4 17 28 0 372815460 无解 1 123456780 22 7913 12019 2266 参考文献 王勋，凌云，费玉莲.2005.人工智能导论?北京：科学出版社 广树建，王锂淇.2008.新编C/C++程序设计教程?广州：华南理工大学出版社 王文杰，史忠植?2007.人工智能原理辅导与练习?北京：淸华大学出版社出 附录一源代码及其注释 源代码及测试数据 /* 算法： A* 是否最优解：是 启发函数：