用A算法解决十五数码问题.docVIP

用A算法解决十五数码问题 用A算法解决十五数码问题 PAGE 用A算法解决十五数码问题 一、15数码问题的描述及其状态空间法表示 （1）15数码问题描述 15数码问题又叫移棋盘问题，是人工智能中的一个经典问题。所谓的15数码问题：就是在一个4×4的16宫格棋盘上，摆放有15个将牌，每一个将牌都刻有1～15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)和一个目标布局(称目标状态)，问如何移动数码，实现从初始状态到目标状态的转变，如图1所示 。问题的实质就是寻找一个合法的动作序列 5 12 11 4 13 6 3 10 14 2 7 9 1 15 8 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 (a)初始状态 (b)目标状态 图1 15数码问题的一个实例 （2）状态空间法表示 人工智能问题的求解是以知识表示为基础的。如何将已获得的有关知识以计算机内部代码形式加以合理地描述、存储、有效地利用便是表示应解决的问题[1]。目前的知识表示方法有十余种，如：一阶谓词逻辑表示法、产生式表示法、状态空间表示法、语义网格表示法、框架表示法、脚本表示法、面向对象表示法等。任何一个给定的问题可能存在多种知识表示方法，人们可以根据待求解问题的领域知识选择适当的知识表示方法。这里我们只强调状态空间表示法。 把求解的问题表示成问题状态、操作、约束、初始状态和目标状态。状态空间就是所有可能的状态的集合。求解一个问题就是从初始状态出发，不断应用可应用的操作，在满足约束的条件下达到目标状态。问题求解过程就可以看成是问题状态在状态空间的移动。 状态是为描述某类不同事物间的差别而引入的一组最少变量q0，q1，…，qn的有序集合。问题的状态空间是一个表示该问题全部可能状态及其关系的图。记为三元状态(S、F、G)，其中S所有可能的问题初始状态集合，F操作符集合，G目标状态集合。十五数码的状态空间法： 初始状态S[4][4]={5,12,11,4,13,6,3,10,14,2,7,9,1,15,0,8}；(0表示空格) 目标状态G[4][4]={1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,0}； 操作符集合F={空格上移，空格下移，空格左移，空格右移} 状态空间的一个解：是一个有限的操作算子序列，它使初始状态转化为目标状态：S0-f1-S1-f2-...fk-G。 二、A* 算法的基本原理、算法步骤、流程图 （1）A*算法基本原理 A*算法是一种有序搜索算法，其特点在于对评价函数的定义上。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，可考虑将每个节点n的估价函数值分解为两个分量：从起始节点到节点n的最小代价路径的代价与从节点n到目标节点的最小代价路径的代价之和，也就是说f(n)是约束通过节点n的一条最小代价路径的代价的一个估计。再定义一个函数f*，使得在任意一个节点n上的函数值f*(n)就是从节点S到节点n的一条最佳路径的实际代价加上从节点n到目标节点的一条最佳路径的代价之和，即： f*(n) =g* (n)+h * (n) 评价函数f是f*的一个估计，这个估计可由下式给出： f(n)=g(n)+h(n) 其中g是g*的估计，h是h*的估计。g* (n)的估计g(n)就是搜索树中从初始节点到当前节点n的这段路径的代价，这一代价可以由从初始节点到当前节点n寻找路径时，把遇到的各段路径的代价加起来给出。h* (n) 的估计h(n)依赖于有关问题的领域的启发信息，于是被称作启发函数。在启发函数中，应用的启发信息(问题知识)越多，扩展的节点就越少，这样就能更快地搜索到目标节点 。 （2）A*算法基本步骤 1）生成一个只包含开始节点n0的搜索图G，把n0放在一个叫OPEN的列表上。 2）生成一个列表CLOSED，它的初始值为空。 3）如果OPEN表为空，则失败退出。 4）选择OPEN上的第一个节点，把它从OPEN中移入CLPSED，称该节点为n。 5）如果n是目标节点，顺着G中，从n到n0的指针找到一条路径，获得解决方案，成功退出（该指针定义了一个搜索树，在第7步建立）。 6）扩展节点n，生成其后继结点集M，在G中，n的祖先不能在M中。在G中安置M的成员，使他们成为n的后继。 7）从M的每一个不在G中的成员建立一个指向n的指针（例如，既不在OPEN中，也不在CLOSED中）。把M1的这些成员加到OPEN中。对M的每一个已在OPEN中或CLOSED中的成员m，如果到目前为止找到的到