实验内容
1、对九宫重排问题,建立图的启发式搜索求解方法。
2、用A*算法求救九宫重排问题。
实验要求
3х3九宫棋盘,放置数码为1~8的8个棋子,棋盘中留有一个空格,空格周围的棋子可以移动到空格中,从而改变棋盘的布局。根据给定初始布局和目标布局,移动棋子从初始布局到达目标布局,求解移动步骤并输出。请设计算法,使用合适的搜索策略,在较少的空间和时间代价下找到最短路径。
编程语言及开发环境
编程语言:JAVA
开发环境:JDK15
实验思路
一、A*算法
(1)原理:
A*[1](A-Star)算法是一种静态路网中求解最短路最有效的方法。
公式表示为: f(n)=g(n)+h(n),
其中 f(n) 是从初始点经由节点n到目标点的估价函数,
g(n) 是在状态空间中从初始节点到n节点的实际代价,
h(n) 是从n到目标节点最佳路径的估计代价。
保证找到最短路径(最优解的)条件,关键在于估价函数h(n)的选取:
估价值h(n)<= n到目标节点的距离实际值,这种情况下,搜索的点数多,搜索范围大,效率低。但能得到最优解。
如果 估价值>实际值,搜索的点数少,搜索范围小,效率高,但不能保证得到最优解。
(2)实际运用:
距离估计与实际值越接近,估价函数取得就越好。
例如对于几何路网来说,可以取两节点间曼哈顿距离做为距离估计,
即f=g(n) + (abs(dx - nx) + abs(dy - ny));这样估价函数f(n)在g(n)一定的情况下,会或多或少的受距离估计值h(n)的制约,节点距目标点近,h值小,f值相对就小,能保证最短路的搜索向终点的方向进行。明显优于Dijkstra算法的毫无方向的向四周搜索。
(3)算法过程:
1.首先把起始位置点加入到一个称为“open List”的列表,在寻路的过程中,目前,我们可以认为open List这个列表会存放许多待测试的点,这些点是通往目标点的关键,以后会逐渐往里面添加更多的测试点,同时,为了效率考虑,通常这个列表是个已经排序的列表。
2.如果open List列表不为空,则重复以下工作:
①、找出open List中通往目标点代价最小的点作为当前点;
②、把当前点放入一个称为close List的列表;
③、对当前点周围的4个点每个进行处理(这里是限制了斜向的移动),如果该点是可以通过并且该点不在close List列表中,则处理如下;
④、如果该点正好是目标点,则把当前点作为该点的父节点,并退出循环,设置已经找到路径标记;
⑤、如果该点也不在open List中,则计算该节点到目标节点的代价,把当前点作为该点的父节点,并把该节点添加到open List中;
⑥、如果该点已经在open List中了,则比较该点和当前点通往目标点的代价,如果当前点的代价更小,则把当前点作为该点的父节点,同时,重新计算该点通往目标点的代价,并把open List重新排序;
3.完成以上循环后,如果已经找到路径,则从目标点开始,依次查找每个节点的父节点,直到找到开始点,这样就形成了一条路径。
(4)A*算法伪代码
First create a data structure Node:
struct Node{
int g; // the g value of the node
int h; // the h value of the node
int f; // the f value of the node
Node*pre; // pre node of the node
};
AStar_Search(){
struct Node start_node;
start_node.g = 0;
start_node.h = H(start);
start_node.f = start_node.h;
start_node.pre = NULL;
OPEN = [start_node]; CLOSE = [];
while ( OPEN is not empty ) {
The node with the smallest F value is obtained from the OPEN linked list,
which is called x_node, and the corresponding node is called x;
Remove x_node from the OPEN list;
if (x is the end node){
Return the path
according to the pre pointer of the node structure corresponding to each node;
}
for (each successor node y of x){
struct Node y_node;
y_node.g = x_node.g+w(x,y);
y_node.h = H(y);
y_node.f = y_node.g+y_node.h;
y.pre = x_node;
if(y is not in the OPEN table and not in the CLOSE table){
Put y_node in the OPEN table;
}else if(y is in the OPEN table){
Take out the Node structure corresponding to the y node in the OPEN table,
which is called y_open;
if( y_node.f < y_open.f) {
y_open.g = y_node.g;
y_open.h = y_node.h;
y_open.f = y_node.f;
y_open.pre = y_node.pre;
}
}else{
Take out the Node structure corresponding to the y node in the CLOSE table,
which is called y_close;
if(y_node.f < y_close.f){
Remove y_close from the CLOSE list
Put y_node in the OPEN table;
}
}
} //end for
Put x_node into the CLOSE table;
} //end while
} // end AStar_Search
二、A*算法解决九宫格问题
问题描述
八数码问题作为一个经典的问题被大家所熟知,该问题是求解如何从开始的一个状态(布局)到达目标状态所需步数最少的问题。百度百科详情
问题分析
将每一个状态作为一个结点容易想到可以用广搜的方法解决,这种方法简单,但是就算是加入哈希判重也会搜索很多的无用结点。
我们打算用A算法解决这个问题,既然确定了用A算法,那么我们首先应该确定估价函数h(x),估价函数的选取直接决定A*算法的效率,一般对于八数码问题有三种估价函数的选法:
①、以不在位的数码的个数为估价函数
②、以不在位的数码归位所需的最短距离和即曼哈顿距离为估价函数
③、将逆序对数作为估价函数
可以证明前两种都是乐观估计,最后一种不是,因此前两种都可以作为八数码问题的估价函数,但是你的估计值与真实值越近所需要搜索的状态越少,很明显第一种方法太乐观了(估价函数的选取直接决定算法的效率),因此我们采用第二种方法作为八数码问题的估价函数
解决了估价函数的问题以后,第二个需要解决的问题就是判重,我们首先想到的是用集合set,这种方法最简单,但是很不幸这种方法耗时也是最多的,如果时间要求比较高的话,这种情况很容易超时。这里我们不用这种方法,判重问题自然而然想到的是哈希表,好了现在问题又来了,如何创建哈希表,也就是哈希函数怎么写,这个东西比较有技巧,还好对于这种问题有一种现成的方法解决,那就是康托展开 ,还有一个问题就是有些问题是无解的,这种情况我们不希望进行很大力气的搜索之后发现无解,最好是能提前预知,值得庆幸的是八数码无论怎么移动逆序的奇偶性不变,因此我们可以直接通过O(1)的时间判断开始和目标结点的逆序奇偶性是否相同就可以了。