遗传算法解决八数码难题

遗传算法解决八数码难题

八数码难题是将一个数组序列通过3x3格式的拼图方式，经过多次滑动转换变成序列为“123804765”的序列。目标序列如图所示：

1  2  3
8  0  4
7  6  5

本博客使用了基因遗传算法，通过基因序列完成变换完成实验。以下将通过知识表示形式，搜索策略，搜索效率和完备性进行说明。

1.知识表示形式

在基因遗传算法中，基因是每次变化的方式，由于变换的方式只有上，下，左，右四种方式，所以只需要二进制表示方式，每两位表示一种变换方式，即“00”，“01”，“10”，“11”各表示一种变换方式，在基因序列中找到合适的序列就可以获得完成序列变换的最终结果。

同时在是否是最后的目标序列的判断上，使用了目标序列和现序列相同位置相同数字的和，当每个位置相同的时候，即为最后的变换结果。

2.搜索策略

在搜索过程中，将一代基因随机产生，通过变换判断，获取一条基因是否可以变成目标序列，当无法产生的时候，可以通过突变，交叉遗传以及选择遗传的方式，将基因遗传算法传到下一代再次进行计算，在这种算法情况下，通过设置基因长度，可以调整最长变换次数，再通过代数调整，可以对算法次数进行调整。

3.搜索效率

根据搜索参数的调整，可以改善八数码难题遗传算法的收敛速度，所以在整个代码中，选择了种群为150，基因规模为140，变异最大长度为10，交叉概率为0.75，变异概率为0.09，最大遗传代数为1000，交叉最大长度为20，精英遗传规模为10的参数。

代码如下：

#include <iostream>
#include <cstdio>
#include <cstring>
#include <string>
#include <cmath>
#include <cstdlib>
#include <fstream>
#include <vector>
#include <set>
#include <algorithm>
#include <time.h>
#include <cstdlib>

using namespace std;
const double eps = 1e-10;
const int PS = 150;
const int GS = 200;
const double PC = 0.75;
const double PM = 0.09;
const int DEEP = 2000;
const double P_PS = 1.0 / PS;
const int DS = 10;
const int CMaxLen = 20;
const int MMaxLen = 10;
const int SucessValue = 440;

char ss[12];

bool findAns;
int ansId, ansLen;

int r0,c0;

struct node {
    int tab[3][3];
    int r, c;
    int h;
}st, ed;
int ed_map[10][2];
int dir_i[4] = {
  0, 0, 1, -1};
int dir_j[4] = {
  1, -1, 0, 0};
///00 01 10 11
char print_op[4] = {
  'l', 'r', 'u', 'd'};

struct Chromsome{
    string gene;
    double fitness;
    double p;
    bool operator<(const Chromsome &x) const {
        return fitness > x.fitness;
    }
};
vector<Chromsome>population[2];
double psum[2];
int now;
int next1;
int nextn;

inline int randomIdx(int x){ return rand()%x; }
inline double random(){ return (double)rand()/RAND_MAX; }
inline int check(int i, int j) {
    if (i > 2 || i <