人工智能实验搜索策略（pacman）吃豆人.pdfVIP

⼈⼯智能实验搜索策略 （pacman）吃⾖⼈ ⽬录 具体项 ⽬见 问问题题 1：：深深度度优优先先算算法法 在s arch.py中d pthFirstS arch函数中实现深度优先算法。 在cmd 输⼊ Python2 pacman.py -l m diumMaz -p S archAg nt -a fn=dfs [S archAg nt] using function dfs [S archAg nt] using probl m typ PositionS archProbl m Path found with total cost of 130 in 0.0 s conds S arch nod s xpand d: 146 Pacman m rg s victorious! Scor : 380 Av rag Scor : 380.0 Scor s: 380.0 Win Rat : 1/ 1 (1.00) R cord: Win 对于已经搜索过的状态Pacman棋盘上将显⽰⼀个叠加物(ov rlay),并显⽰出访问的顺序(红⾊由深到浅). Pacman 在到达 ⽬的地的过程 中,并不是遍访每个正⽅形，⽽是把⼀种⾛法显⽰出来。 使⽤栈Stack数据结构, 则通过DFS算法求得的m diumMaz 的解长度应该为 130 (假定你将后继元素按g tSucc ssors得到的顺序压栈; 如果按相反顺序压栈,则可能是244). 这可能不是最短的路径。因为为了时间和效率，我们只追求搜索到满⾜ ⽬标测试的情况，DFS扩展深 度最⼤的节点，因此第⼀次满⾜ ⽬标测试的动作序列不⼀定是最短的路径。 问问题题2：：⼴⼴度度优优先先搜搜索索 在s arch.py中br adthFirstS arch函数中,实现⼴度优先搜索 (BFS) 算法。 在cmd 输⼊ Python2 pacman.py -l m diumMaz -p S archAg nt -a fn=bfs [S archAg nt] using function bfs [S archAg nt] using probl m typ PositionS archProbl m Path found with total cost of 68 in 0.0 s conds S arch nod s xpand d: 269 Pacman m rg s victorious! Scor : 442 Av rag Scor : 442.0 Scor s: 442.0 Win Rat : 1/ 1 (1.00) R cord: Win 提⽰: 如Pacman移动太慢,可以试⼀下选项--fram Tim 0 注意: 如果你的搜索代码具有通⽤性, 则不⽤做任何修改,该代码将同样能对 ight-puzzl 搜索问题适⽤。 问问题题3：：不不 同同的的费费⽤⽤ 通过修改代价函数，我们⿎励Pacman发现不同路径。例如，有恶魔的区域，我们增加每步的代价，⽽在⾷物丰富的区域减少每步的代价， ⼀个理性的Pacman应该相应地调整它的⾏为。 在s arch.py的uniformCostS arch函数中，实现⼀致代价图搜索算法。util.py中有⼀些数据结构，也许会对你的实现有⽤。现在你应该 能观察到在下⾯三个样板中的成功⾏为，所使⽤的智能体都是UCS （uniform cost s arch）智能体，其唯⼀区别是所使⽤的费⽤函数(其 智能体和费⽤函数已经帮你写好了): Python2 pacman.py -l m diumMaz -p S archAg nt -a fn=ucs Python2 pacman.py -l m diumDott dMaz -p StayEastS archAg nt Python2 pacman.py -l m diumScaryMaz -p StayW stS archAg nt 注: 由于其指数费⽤函数，在StayEastS archAg nt 和 StayW stS archAg nt中，你将分别看到很低的和很⾼的路径费⽤total cost(详 细细节可见s archAg nts.py). [S archAg nt] using