BFS广度优先搜索解决八数码问题(python代码超详细注释)_python利用bfs算法解决八数码问题输入初始状态输出达到目标状态所需的步骤数

2401_84010302

于 2024-04-07 12:16:39 发布

阅读量482

点赞数 3

分类专栏：程序员文章标签：算法宽度优先 python

本文链接：https://blog.csdn.net/2401_84010302/article/details/137459232

版权

程序员专栏收录该内容

241 篇文章 2 订阅

订阅专栏

定义状态表示：将八数码问题的状态表示为一个3x3的矩阵，矩阵中的每个元素表示棋盘上的一个方块，空白方块用0表示。
初始化：将初始状态作为搜索的起始点，并将其设为当前状态。创建一个队列（通常是先进先出的队列）用于存储待扩展的状态。
扩展状态：对当前状态进行扩展，即生成所有可能的下一步状态。通过将空白方块与相邻的方块进行交换来生成新状态。
检查目标：在每次扩展状态时，检查新生成的状态是否达到了目标状态（通常是按照从左到右、从上到下的顺序排列的状态）。如果达到了目标状态，则搜索结束，找到了解决方案。
更新状态：将新生成的状态添加到队列中，作为待扩展的状态。
重复步骤3至5：从队列中取出下一个待扩展的状态，重复步骤3至5，直到队列为空或找到了目标状态。
回溯路径：如果找到了目标状态，可以通过记录每个状态的父状态来回溯搜索路径，直到回溯到初始状态，得到解决八数码问题的移动序列。

广度优先搜索保证可以找到最短路径，但是在搜索过程中可能需要存储大量的状态，所以对于复杂的八数码问题可能需要较大的存储空间和计算时间。

python代码:

from collections import deque


def breadth_first_search(initial_state, goal_state):
    queue = deque()  # 创建一个双端队列用于存储待扩展的状态
    visited = set()  # 创建一个集合用于存储已访问的状态，以避免重复访问
    parent = {}  # 创建一个字典用于记录每个状态的父状态，用于回溯路径

    queue.append(initial_state)  # 将初始状态加入队列
    visited.add(tuple(initial_state))  # 将初始状态转换为元组并加入已访问集合
    parent[tuple(initial_state)] = None  # 初始状态没有父状态，设为None

    while queue:
        current_state = queue.popleft()  # 取出队列中的第一个状态作为当前状态

        if current_state == goal_state:
            # 找到了目标状态，回溯路径
            path = []
            while current_state:
                path.append(current_state)
                current_state = parent[tuple(current_state)]
            path.reverse()
            return path

        next_states = generate_next_states(current_state)  # 生成下一步可能的状态

        for next_state in next_states:
            if tuple(next_state) not in visited:
                queue.append(next_state)
                visited.add(tuple(next_state))
                parent[tuple(next_state)] = current_state  # 记录下一步状态的父状态为当前状态

    return None  # 如果队列为空仍然没有找到目标状态，表示无解


def generate_next_states(state):
    next_states = []
    blank_index = state.index(0)  # 找到空白方块的索引

    adjacent_indices = get_adjacent_indices(blank_index)  # 获取可以移动的方块的索引

    for index in adjacent_indices:
        new_state = list(state)  # 创建当前状态的副本
        new_state[blank_index] = new_state[index]  # 将空白方块与相邻方块交换
        new_state[index] = 0
        next_states.append(new_state)  # 添加生成的新状态到下一步状态列表

    return next_states


def get_adjacent_indices(index):
    adjacent_indices = []

    if index // 3 > 0:
        adjacent_indices.append(index - 3)  # 上方方块
    if index // 3 < 2:
        adjacent_indices.append(index + 3)  # 下方方块
    if index % 3 > 0:
        adjacent_indices.append(index - 1)  # 左侧方块
    if index % 3 < 2:
        adjacent_indices.append(index + 1)  # 右侧方块

    return adjacent_indices


**自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。**

**深知大多数Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！**

**因此收集整理了一份《2024年Python开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。**

![img](https://img-blog.csdnimg.cn/img_convert/ed9fd837d4cce061ecd5be8e85027ce8.png)

 

![img](https://img-blog.csdnimg.cn/img_convert/52115be22660f973587a1ae502e3ddda.png)

![img](https://img-blog.csdnimg.cn/img_convert/46506ae54be168b93cf63939786134ca.png)

![img](https://img-blog.csdnimg.cn/img_convert/252731a671c1fb70aad5355a2c5eeff0.png)

![img](https://img-blog.csdnimg.cn/img_convert/6c361282296f86381401c05e862fe4e9.png)

![img](https://img-blog.csdnimg.cn/img_convert/9f49b566129f47b8a67243c1008edf79.png)

 

**既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上前端开发知识点，真正体系化！**

**由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新**

**如果你觉得这些内容对你有帮助，可以扫码获取！！！（备注Python）**


**由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新**

**如果你觉得这些内容对你有帮助，可以扫码获取！！！（备注Python）**

<img src="https://img-community.csdnimg.cn/images/fd6ebf0d450a4dbea7428752dc7ffd34.jpg" alt="img" style="zoom:50%;" />