人工智能原理实验1（3）——汉诺塔问题

🧡🧡实验内容🧡🧡

汉诺塔问题来自一个古老的传说：在世界刚被创建的时候有一座钻石宝塔（塔A),其上有64个金碟。所有碟子按从大到小的次序从塔底堆放至塔顶。紧挨着这座塔有另外两个钻石宝塔（塔B和塔C）。从世界创始之日起，婆罗门的牧师们就一直在试图把塔A上的碟子移动到塔C上去，其间借助于塔B的帮助。每次只能移动一个碟子，任何时候都不能把一个碟子放在比它小的碟子上面。当牧师们完成任务时，世界末日也就到了。

采用问题归约法把汉诺塔问题分成以下三个步骤实现：

• 将塔A上的n-1个碟子借助塔C先移到塔B上
• 把塔A上剩下的一个碟子移到塔C上
• 把n-1个碟子从塔B借助于塔A移到塔C上

🧡🧡实现🧡🧡

def move(start, end):
    # print(f'{start}->{end}')
    global cnt
    cnt += 1

def dfs(n, a, b, c):  # 把 n个a 通过b 移动到c
    if n == 1:
        move(a, c)
    else:
        dfs(n - 1, a, c, b)
        move(a, c)
        dfs(n - 1, b, a, c)

import time
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']  # 为了支持中文字体
if __name__ == "__main__":
    n=list(range(15,23)) # 盘子数
    t=[] # 运行时间
    m=[] # 递归调用次数
    start=time.time()
    for num in n:
        print(f'======{num}个盘子======')
        start_time=time.time()

        cnt=0
        dfs(num,'a','b','c')

        end_time=time.time()
        run_time=round(end_time-start_time,5)

        print(f'运行时间：{run_time}秒， 递归调用次数：{cnt}\n')
        t.append(run_time)
        m.append(cnt)
    end=time.time()
    print("总共运行时间：%s 秒"%(end-start))

    # 创建两幅子图
    fig, (ax1, ax2) = plt.subplots(nrows=2, ncols=1, sharex=True)

    # 在第一幅子图中绘制折线图
    ax1.plot(n, t)
    ax1.set_title("运行时间t随盘子数n的变化")
    ax1.set_ylabel("运行时间t /s")

    # 在第二幅子图中绘制折线图
    ax2.plot(n, m)
    ax2.set_title("递归调用次数m随盘子数n的变化")
    ax2.set_xlabel("盘子数n")
    ax2.set_ylabel("递归调用次数m /次")

    # 调整子图间距
    plt.subplots_adjust(hspace=0.5)

    # 显示图形
    plt.show()

🧡🧡总结🧡🧡

1.让盘子数从2?开始到7进行实验，记录程序运行时间和递归调用次数。
递归调用次数在程序中可以用move()函数调用次数来表示，也即代表移动盘子的次数。
当盘子数从2到7时，由于运行时间都极短（如下图），不方便看出时间上的差距，因此我将盘子数设定为15到22，方便看出关系。

2.画出盘子数n和运行时间t?、递归调用次数m的关系图，并进行分析

可见：随着盘子数的增加，运行时间和递归调用次数也会增加，且都呈指数增长的趋势。其中递归调用次数（移动盘子的次数）为与盘子数的关系为2^{n-1。同样地，运行时间复杂度为O(2}n)，随着n次数的增大，求得最终解的时间将恐怖增长。