八数码 poj1077 Eight（A*、IDA*)

八数码主要参考：刘亚宁学长的八数码八境界 等

A*主要参考：百度百科，初识A*算法，深入A*算法 等

IDA*主要参考：http://blog.csdn.net/urecvbnkuhbh_54245df/article/details/5856756，http://blog.csdn.net/nomad2/article/details/6562140 等

人工智能课的作业，借此研究下八数码，及相关的搜索算法

八数码（九宫格）是一个空间搜索的问题，而且空间只有9！（362 880）的大小，只是10e5的数量级。

八数码的解决的方案由很多：

（1）非启发性的搜索：暴力广搜，双向广搜，迭代加深的深搜；

（2）启发性搜索：A*，IDA*；（启发性算法有局部择优搜索和最好优先搜索，A*和IDA*都属于最好优先搜索，局部择优搜索有爬山算法，不过还没有研究）

（3）基于概率的随机搜索；遗传算法（比较有名的还有蚁群算法，模拟退火算法等智能搜索，不过没有研究）

本文主要说明A*、IDA*的搜索解法。

下面是搜索可能用到的问题的分析处理

（1）状态表示每一个状态用一个二维数组记录当前的八数码位置信息，并用记录其它属性

（2）判重方法，hash方法。

1）比较直接的是hash成字符串在，set中判重，不过字符串的操作和set的处理，效率可能要低些

2）将九宫格的hash成十进制（或九进制的表示），不过表示的实际的数据范围要大于真实空间（9! ），因为有一些数据是不可能出现在九宫格中的，

比如数据：（111111111） 是不可能出现在九宫格中

3）利用康托展开，康拓展开计算了，一个排列在所有的全排列的名次。比如4个数的一个排列3 2 1 4，其在4的全排列的名次是 2 * （3！）+ 1 * (2!) + 0 * (1！) + 0 *（0！）；其中第i个数是ai：则康拓展开的ai处的值 = （排列中ai后面比ai小的数的个数） * （ai后面数的个数的阶乘）；这样就完全没有空间的浪费，所以采用此法。

（3）关于A*算法。A*算法是一个启发性算法，最好优先搜索算法。关键在于其估价函数，

状态n 的估价值为：f‘（n）= g'（n）+ h'(n)；

g’（n）表示从初始状态开始到状态n的最短路径值（最小消耗值），h'（n）表示重状态n到终止状态的最短路经值的启发值。由于f‘(n)实现不可知，所以用f（n）来代替 

f（n）= g（n）+ h（n）；

g（n）表示初始状态到状态n的实际路径值（消耗值）（代表搜索历史信息），是已知的，h（n）表示状态n到终止状态的消耗估计值，包含着搜索的启发信息。

满足条件：1)g（n）> =g'(n)通常是满足的

    2)h(n) <= h'(n),满足此条件时，可以保证最优解

h（n）的取值可以是，状态n和终止状态中不同位置数字的个数，也可以是没有就位数字到相应位置的曼哈顿距离之和（选择此法）。

关于估价函数的理解，还有待加深。。。

关于A*的理解。A*和之前的广度优先搜索，和优先队列的搜索（最短路的dij算法）很相似。它们搜索的区别就在于估价函数不同而已。

A*既包含历史信息，也包含启发信息，广搜和优先对列的搜索则只有历史信息，没有启发信息。

广搜的估价函数值就是其搜索的深度（或实际的路径值，只不过边值是1）（历史信息，也可以说是最短路径值，其实仔细考虑也是状态图所决定的，可以说是状态的属性），是A*的特例；

优先对列的搜索的估价函数则是从初始状态到n状态的实际路径值，只不过边值不一定是1而已（历史信息，也可以说最短路径值），也可以说是A*的特例。

当然还有待加深理解。。。

（4）A*解法的过程见：百度百科

数据结构Open表，Close表

Open表即优先队列或最小堆，用priority_queue时不能实现修改值，则直接插入即可；自己实现的最小堆，可以实现修改值，效率更高。（还没有实现最小堆的方法）

Close表即hash_tab[]，利用康托展开后