人工智能实验一 A*算法求解 8 数码问题

求解8数码问题 ，启发函数，包含相应Python运行程序（代码）

“不在位”数

“不在位”距离和

0（宽度优先搜索）

实验一 A*算法求解 8 数码问题

• 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 N 数码难题，理解求解流程和搜索顺序。

• 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。对于一般的启发式图搜索，总是选择估价函数 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，所以，可考虑每个节点 n 的估价函数值为两个分量：从起始节点到节点 n 的实际代价 g(n)以及从节点 n 到达目标节点的估价代价 h(n),且h(n) ≤ h *(n) ， h * (n) 为n 节点到目的结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，摆有 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。如下图 1 表示了一个具体的八数码问题求解。

三、实验结果

按照实验内容，把结果填入表 1。

表 1 不同启发函数 h(n)求解 8 数码问题的结果比较

	启发函数 h(n)
	“不在位”数	“不在位”距离和	0（宽度优先搜索）
初始状态	28316405	28316405	28316405
目标状态	123804765	123804765	123804765
最优解	-> 2  8  3   1  0  4   7  6  5   -> 2  0  3   1  8  4   7  6  5   -> 0  2  3   1  8  4   7  6  5   -> 1  2  3   0  8  4   7  6  5   -> [[1 2 3]  [8 0 4]  [7 6 5]]	-> 2  8  3