八数码c语言编程深度搜索,启发式搜索八数码问题?八数码问题c语言代码?八数码问题及A*算法...

你是否正在寻找关于八数码问题的内容?让我把最宝贵的东西奉献给你:

a84156fabf934a79cc2c9b30868190cc.png

一.八数码问题

八数码问题也称为九宫问题。在3×3的棋盘,摆有八个棋子,每个棋子上标有1至8的某一数字,不同棋子上标的数字不相同。棋盘上还有一个空格,与空格相邻的棋子可以移到空格中。要求解决的问题是:给出一个初始状态和一个目标状态,找出一种从初始转变成目标状态的移动棋子步数最少的移动步骤。

所谓问题的一个状态就是棋子在棋盘上的一种摆法。棋子移动后,状态就会发生改变。解八数码问题实际上就是找出从初始状态到达目标状态所经过的一系列中间过渡状态。

八数码问题一般使用搜索法来解。

搜索法有广度优先搜索法、深度优先搜索法、A*算法等。这里通过用不同方法解八数码问题来比较一下不同搜索法的效果。

二.搜索算法基类

1.八数码问题的状态表示

八数码问题的一个状态就是八个数字在棋盘上的一种放法。每个棋子用它上面所标的数字表示,并用0表示空格,这样就可以将棋盘上棋子的一个状态存储在一个一维数组p[9]中,存储的顺序是从左上角开始,自左至右,从上到下。也可以用一个二维数组来存放。

2.结点

搜索算法中,问题的状态用结点描述,。结点中除了描述状态的数组p[9]外,还有一个父结点指针last,它记录了当前结点的父结点编号,如果一个结点v是从结点u经状态变化而产生的,则结点u就是结点v的父结点,结点v的last记录的就是结点u的编号。在到达目标结点后,通过last 可以找出搜索的路径。

3.类的结构

在C++中用类来表示结点,类将结点有关的数据操作封装在一起。

不同的搜索算法具有一定共性,也有各自的个性,因此这里将不同搜索算法的共有的数据和功能封装在一个基类中,再通过继承方式实现不同的搜索算法。

4.结点扩展规则

搜索就是按照一定规则扩展已知结点,直到找到目标结点或所有结点都不能扩展为止。

八数码问题的结点扩展应当遵守棋子的移动规则。按照棋子移动的规则,每一次可以将一个与空格相邻棋子移动到空格中,实际上可以看作是空格作相反移动。空格移动的方向可以是右、下、左、上,当然不能移出边界。

棋子的位置,也就是保存状态的数组元素的下标。空格移动后,它的位置发生变化,在不移出界时,空格向右、下、左和上移动后,新位置是原位置分别加上1、3、-1、-3,如果将空格向右、下、左和上移动分别用0、1、2、3表示,并将-3、3、-1、1放在静态数组d[4]中,空格位置用spac表示,那么空格向方向i移动后,它的位置变为spac+d[i]。

空格移动所产生的状态变化,反映出来则是将数组p[]中,0的新位置处的数与0交换位置。

5.八数码问题的基类

八数码问题的基类及其成员函数的实现如下:

View Code

#define Num 9

class TEight

{

public:

TEight(){}

TEight(char *fname);

virtual void Search()=0;

protected:

int p[Num];

int last,spac;

static int q[Num],d[],total;

void Printf();

bool operator==(const TEight &T);

bool Extend(int i);

};

int TEight::q[Num];

int TEight::d[]={1,3,-1,-3};

int TEight::total=0;

TEight::TEight(char *fname)

{

ifstream fin;

fin.open(fname,ios::in | ios::nocreate);

if(!fin)

{

cout<<<

return;

}

int i;

for(i=0;i

fin>>p[i++];

fin>>spac;

for(i=0;i

fin>>q[i++];

fin.close();

last=-1;

total=0;

}

void TEight::Printf()

{

ofstream fout;

fout.open(,ios::ate|ios::app);

fout<

for(int i=0;i

fout<

以上就是关于八数码问题的全部内容,相信你一定会非常满意。

本文来自电脑杂谈,转载请注明本文网址:

http://www.pc-fly.com/a/shenmilingyu/article-10916-1.html

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
数码问题是一种经典的搜索问题,可以使用A*算法进行求解。A*算法是一种启发搜索算法,能够在搜索过程中有针对性地搜索最优解,减小搜索空间,提高搜索效率。 以下是使用C语言实现八数码问题A*算法的示例代码: ```c #include <stdio.h> #include <stdlib.h> #include <string.h> #define N 3 // 定义状态结构体 typedef struct state { int board[N][N]; // 棋盘状态 int f; // f = g + h,g为从起始状态到当前状态的代价,h为从当前状态到目标状态的估价函数值 int g; // g为从起始状态到当前状态的代价 int h; // h为从当前状态到目标状态的估价函数值 int x; // 空格所在行 int y; // 空格所在列 struct state *parent; // 父状态指针 } state_t; // 定义状态队列节点结构体 typedef struct node { state_t *data; // 队列节点数据为状态指针 int priority; // 节点优先级,即状态f值 struct node *next; // 指向下一个节点的指针 } node_t; // 定义状态队列结构体 typedef struct queue { node_t *front; // 队列头指针 node_t *rear; // 队列尾指针 } queue_t; // 初始化状态队列 void init_queue(queue_t *q) { q->front = q->rear = NULL; } // 判断状态队列是否为空 int is_empty(queue_t *q) { return q->front == NULL; } // 向状态队列添加状态 void enqueue(queue_t *q, state_t *s) { node_t *new_node = (node_t *)malloc(sizeof(node_t)); new_node->data = s; new_node->priority = s->f; new_node->next = NULL; if (q->rear == NULL) { q->front = q->rear = new_node; } else { node_t *p = q->front; node_t *prev = NULL; while (p != NULL && p->priority <= new_node->priority) { prev = p; p = p->next; } if (prev == NULL) { new_node->next = q->front; q->front = new_node; } else if (p == NULL) { q->rear->next = new_node; q->rear = new_node; } else { new_node->next = prev->next; prev->next = new_node; } } } // 从状态队列中取出状态 state_t *dequeue(queue_t *q) { if (q->front == NULL) { return NULL; } else { node_t *p = q->front; state_t *s = p->data; q->front = q->front->next; if (q->front == NULL) { q->rear = NULL; } free(p); return s; } } // 判断状态是否为目标状态 int is_goal(state_t *s) { int i, j, num = 1; for (i = 0; i < N; i++) { for (j = 0; j < N; j++) { if (s->board[i][j] != num && !(i == N - 1 && j == N - 1 && s->board[i][j] == 0)) { return 0; } num++; } } return 1; } // 计算状态的估价函数值 int heuristic(state_t *s) { int i, j, k, l, num, dist = 0; for (i = 0; i < N; i++) { for (j = 0; j < N; j++) { num = s->board[i][j]; if (num == 0) { continue; } k = (num - 1) / N; l = (num - 1) % N; dist += abs(i - k) + abs(j - l); } } return dist; } // 复制状态 state_t *copy_state(state_t *s) { state_t *new_state = (state_t *)malloc(sizeof(state_t)); memcpy(new_state->board, s->board, sizeof(s->board)); new_state->f = s->f; new_state->g = s->g; new_state->h = s->h; new_state->x = s->x; new_state->y = s->y; new_state->parent = s->parent; return new_state; } // 生成子状态 void generate_successors(state_t *s, queue_t *q) { int i, j, tx, ty; state_t *new_state; for (i = -1; i <= 1; i++) { for (j = -1; j <= 1; j++) { if (i == 0 && j == 0) { continue; } tx = s->x + i; ty = s->y + j; if (tx < 0 || tx >= N || ty < 0 || ty >= N) { continue; } new_state = copy_state(s); new_state->board[s->x][s->y] = s->board[tx][ty]; new_state->board[tx][ty] = 0; new_state->x = tx; new_state->y = ty; new_state->g++; new_state->h = heuristic(new_state); new_state->f = new_state->g + new_state->h; new_state->parent = s; enqueue(q, new_state); } } } // 输出状态 void print_state(state_t *s) { int i, j; printf("f=%d, g=%d, h=%d\n", s->f, s->g, s->h); for (i = 0; i < N; i++) { for (j = 0; j < N; j++) { printf("%d ", s->board[i][j]); } printf("\n"); } } // 输出解路径 void print_solution(state_t *s) { if (s->parent != NULL) { print_solution(s->parent); } print_state(s); } // 释放状态队列节点内存 void free_queue_node(node_t *p) { if (p != NULL) { free_queue_node(p->next); free(p->data); free(p); } } // 释放状态队列内存 void free_queue(queue_t *q) { free_queue_node(q->front); } // A*算法求解八数码问题 void solve(state_t *start) { queue_t open; state_t *s, *goal = NULL; init_queue(&open); start->g = 0; start->h = heuristic(start); start->f = start->g + start->h; start->parent = NULL; enqueue(&open, start); while (!is_empty(&open)) { s = dequeue(&open); if (is_goal(s)) { goal = s; break; } generate_successors(s, &open); } if (goal != NULL) { printf("Solution found:\n"); print_solution(goal); } else { printf("No solution.\n"); } free_queue(&open); } int main() { state_t start = { {{1, 2, 3}, {4, 0, 5}, {6, 7, 8}}, 0, 0, 0, 1, 1, NULL }; solve(&start); return 0; } ``` 以上代码实现了八数码问题A*算法的求解,代码中使用了状态队列优化搜索效率。在代码中,我们需要定义状态结构体,其中包含了当前棋盘状态、从起始状态到当前状态的代价g、从当前状态到目标状态的估价函数值h、状态f值、空格所在位置以及父状态指针。我们还需要定义状态队列节点结构体和状态队列结构体,以实现状态队列的操作。代码中使用了启发函数h(n) = 曼哈顿距离来计算状态的估价函数值。 在main函数中,我们定义了起始状态,并调用solve函数求解八数码问题。在solve函数中,我们首先初始化状态队列,并将起始状态加入队列。然后循环取出队列头部的状态,如果该状态为目标状态,则搜索结束;否则,生成该状态的所有子状态,并将其加入状态队列中。最后,输出解路径或提示无解,并释放状态队列内存。 注意,上述代码仅为示例代码,可能存在不足之处,请以实际应用为准。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值