A* Search Algorithm

A* Search Algorithm

写在前面：第一次写博客，以后想把遇到的有意思的算法或者小知识记录下来。纯原创，部分图片来自课堂PPT，出自UCR，CS170课件。转载请声明出处。

算法简介

A* Search 是一种启发式搜索算法，该算法内置一个函数来表达当前状态和目标状态的差值。举个栗子，8-puzzle问题（一个游戏，目标是将对应数字的版块放到对应位置）。当前状态是下图

目标状态：

如果我们以两个状态有多少不符合启发函数，那么这里的启发函数的值是
1（PS:这里我们排除了空白格，图中当前态和目标态就一个‘8’不同）

接下来会详细介绍A算法并以8-puzzle游戏左右一个例子来说明该算法，在引入A search前，我会先简单介绍两个算法，Uniform Cost Search和Hill climbing Search。启发函数选择的是Manhattan距离，详解看下图。（h(n)就是启发函数）

先说说Hill climbing Search，该算法也是一种启发式搜索算法，思路很简单，直接使用Manhattan距离。在下面的例子中，这个算法运行的很好。（h(n)是启发函数）

这个算法运行的很快，可是会遇到问题。有时候该算法在一些状态会陷入找不到解的状态

另一种Uniform Cost Search算法，该算法更简单每次在拓展节点的时候，拓展最廉价的点（该点的耗费是到这个点的路径的累积消耗，拓展累积消耗最小的点）。该算法运行效率较低，但是可以保证每次找到一个解。

背景介绍完毕。接下来进入A*算法，这个算法结合了Uniform Cost Search和Hill climbing Search。将到达该节点的累积消耗g(n)和该节点到达目标节点的差h(n)作为启发函数

下图是一个A算法的例子：这是一个迷宫问题，初始状态是粉色的点，目标状态是蓝色的点。将粉点移动到蓝点即可。图中的树说明了用A树的搜索过程。H(n)依然使用Manhattan距离

说到这，A算法的基本概念已经介绍完毕。一下附上A算法的实现代码（Python）。以解决8-puzzle问题作为背景。

实现代码

import numpy as np
import Queue
import copy
DEFAULT_PUZZLE = np.array([1,2,3,4,8,0,7,6,5]).reshape((3,3))
GOAL_STATE = np.array([1,2,3,4,5,6,7,8,0]).reshape((3,3))
STATE_TABLE = dict() # store the state already check

class Node():
    '''
        :description: define the Node class
    '''
    def __init__(self,puzzle,depth,total_cost,blank_index_i,blank_index_j):
        self.puzzle = puzzle
        self.depth = depth
        self.total_cost = total_cost
        self.blank_index_i = blank_index_i
        self.blank_index_j = blank_index_j
    def get_depth(self):
        return self.depth
    def get_puzzle(self):
        return self.puzzle
    def get_total_cost(self):
        return self.total_cost
    def get_blank_index_i(self):
        return self.blank_index_i
    def get_blank_index_j(self):
        return self.blank_index_j
    def __lt__(self, other):
        return self.total_cost < other.total_cost

def Init_input_puzzle():
    '''
    :description:
            Initializing the input puzzle matrix, and choose the algorithm
    :input: None
    :return:
            puzzle: the puzzle need to solved
            key:  the choice of algorithm
            blank_index_i : the blank block index
            blank_ind