人工智能-A算法求解8数码问题.pdfVIP

人工智能-A算法求解8数码问题--第1页 实验四 A*算法求解 8 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A*算法求解8 数码难题，理解求解流程和搜索顺序。 二、实验原理 A*算法是一种启发式图搜索算法，其特点在于对估价函数的定义上。对于一 f f 般的启发式图搜索，总是选择估价函数 值最小的节点作为扩展节点。因此， 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 n n 的估价函数值为两个分量：从起始节点到节点 的实际代价g(n)以及从节点 到达目标节点的估价代价h(n)，且h(n)=h*(n)，h*(n)为n 节点到目标节点的 最优路径的代价。 八数码问题是在3×3的九宫格棋盘上，排放有8个刻有1～8数码的将牌。 棋盘中有一个空格，允许紧邻空格的某一将牌可以移到空格中，这样通过平移将 牌可以将某一将牌布局变换为另一布局。针对给定的一种初始布局或结构（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。如图1所示表示 了一个具体的八数码问题求解。 图 1 八数码问题的求解 三、实验内容 1、 参考 A*算法核心代码，以 8 数码问题为例实现 A*算法的求解程序（编程 语言不限），要求设计两种不同的估价函数。 2、在求解8 数码问题的 A*算法程序中，设置相同的初始状态和目标状态，针 对不同的估价函数，求得问题的解，并比较它们对搜索算法性能的影响，包括扩 展节点数、生成节点数等。 3、对于 8 数码问题，设置与图 1 所示相同的初始状态和目标状态，用宽度优 先搜索算法（即令估计代价 h(n)＝0 的 A*算法）求得问题的解，记录搜索过程 中的扩展节点数、生成节点数。 4、提交实验报告和源程序。 人工智能-A算法求解8数码问题--第1页 人工智能-A算法求解8数码问题--第2页 四.实验截图 五．源代码 #include iostream 人工智能-A算法求解8数码问题--第2页 人工智能-A算法求解8数码问题--第3页 #include stdio.h #include stdlib.h #include time.h #include string.h #include queue #include stack using namespace std; const int N=3;//3*3棋?盘ì const int Max_Step=32;//最?大洙?搜?索÷深?度è enum Direction{None,Up,Down,Left,Right};//方?向ò，?分?别纄对?应畖上?下?左哩?右 ? struct Chess//棋?盘ì { int chessNum[N][N];//棋?盘ì数簓码? int Value;//评à估à值μ Direction BelockDirec;//所ù屏á蔽?方?向ò struct Chess * Par