深度、宽度优先搜索解决九宫格问题（附python代码）

最近课内在学习《人工智能引论》、《数据结构》。
前者讲了Open/closed表、宽度、深度优先搜索策略，后者讲到了队列，两门课都期望解决给定初始状态和目标状态的九宫格问题。

用python，以队列驱动搜索，写了代码。

整体思路如下：

展示部分

用matplotlib绘制带有层级的点，代表搜索过程的状态，为这些点打上矩阵标签，就能得到良好的展示效果了。

（未带有标签）

（带有标签）
（如图，九宫格用0代表空位，初始状态为：[[2,8,3],[1,6,4],[7,0,5]],目标状态为[[1,2,3],[8,0,4],[7,6,5]]）
(目标状态是一个顺时针的1-8)

要达到这样的展示效果，需要为matplotlib提供节点位置（x:由本层节点的个数及当前点在本层的位置决定，y:由节点的层次决定。），及对应该节点的矩阵标签。

数据的设计：

open表/closed表存储了这样的一些节点：每个节点存储两个信息：矩阵、节点层级。

矩阵会发生改变，而节点层级又不唯一，字典要求键不改变且唯一，因此不能采用字典存储。

选择使用二元组存储。即（矩阵，层级）。

此处矩阵是二维列表。

进行主循环时，从open表头部取出节点，如果不在closed表中，则将其可能的后续节点加入open表，加入到头部是深度优先搜索，加入到尾部是宽度优先搜索。
这样，在同层级，不会出现重复的节点，但在不同层级，又允许矩阵相同的节点存在。

代码如下，笔者是新手，如果有误，还望见谅。

宽度优先搜索代码：

#人工智能引论作业：宽度优先搜索探索九宫格走法
#在最后一层的最后一个节点，达到了目标状态
#python==3.7.3
#matplotlib==3.1.0
#numpy==1.16.4

import matplotlib.pyplot as plt
import numpy as np
from copy import deepcopy as dp
#用于matplotlib正常显示中文标签
plt.rcParams['font.sans-serif']=['SimHei']

#矩阵标签的像素大小。
lableSize=8

#获取0的位置，即空的位置
def getZeroPosition(twoArray):
    for  i in range(len(twoArray)):
        for k in range(len(twoArray[i])):
            if twoArray[i][k]==0:
                return i,k
#进行0（空位置）与其他位置的交换：操作符/算子定义
def zeroUp(myArray):
    zero_x,zero_y=getZeroPosition(myArray)
    t=myArray[zero_x-1][zero_y]
    myArray[zero_x-1][zero_y]=0
    myArray[zero_x][zero_y]=t
def zeroDown(myArray):
    zero_x,zero_y=getZeroPosition(myArray)
    #print(zero_x,zero_y)
    t=myArray[zero_x+1][zero_y]
    myArray[zero_x+1][zero_y]=0
    myArray[zero_x][zero_y]=t
def zeroRight(myArray):
    zero_x,zero_y=getZeroPosition(myArray)
    t=myArray[zero_x][zero_y+1]
    myArray[zero_x][zero_y+1]=0
    myArray[zero_x][zero_y]=t
def zeroLeft(myArray):
    zero_x,zero_y=getZeroPosition(myArray)
    t=myArray[zero_x][zero_y-1]
    myArray[zero_x][zero_y-1]=0
    myArray[zero_x][zero_y]=t

#初始状态
beginData=[[2,8,3],[1,6,4],[7,0,5]]
#目标状态
endData=[