A*算法求解八数码问题的python实现

实验四 A算法求解八数码问题实验

一、实验目的

熟悉和掌握启发式搜索的定义、估价函数和算法过程,并利用 A*算法求解 N 数码难题,理解求解流程和搜索顺序。

二、实验原理

八数码问题是在3×3的九宫格棋盘上，摆有8个刻有1～8数码的将牌。棋盘中有一个空格，允许紧邻空格的某一将牌可以移到空格中，这样通过平移将牌可以将某一将牌布局变换为另一布局。针对给定的一种初始布局或结构（目标状态），问如何移动将牌，实现从初始状态到目标状态的转变。

三、实验条件

Python版本：Python 3及以上
所需要的依赖包：无
可采用的软件：PyCharm
知识库是教材中的动物识别系统中的15条规则。

四、实验内容

以8 数码问题和 15 数码问题为例实现 A算法的求解程序(编程语言不限,要求设计两种不同的估价函数。

五、实验步骤

具体步骤：
1.定义四个函数：move、create、show 和 hx，及一段主程序代码。
2.move 函数定义了移动操作，根据给定的方向和当前位置，计算新的位置。
3.create 函数用于生成新的节点，并记录路径。它创建一个新节点 p，将其插入到路径数组，然后检查新节点是否已经在 close 列表中，如果不存在则添加到 open 列表中。
4.show 函数打印八数码拼图的状态。
5.hx 函数是估价函数，用于评估当前状态与目标状态之间的差距。计算当前状态中与目标状态相同位置的数码个数。
6.主程序在 if name==“main”: 下开始执行。
7.初始化初始状态 start 和目标状态 goal，并创建空的 open 和 close 列表。
8.进入一个主循环，用于执行A*搜索。
9.首先检查初始状态是否已经是目标状态，如果是，直接输出初始状态即为解，并结束搜索。如果 open 列表为空，且仍未找到解，输出未找到解并结束搜索。否则，从 open 列表中取出第一个节点 this，并将其添加到 close 列表中表示已经探索。如果当前节点是目标节点，输出搜索成功，并打印出解路径。然后结束搜索。程序根据当前节点的位置，生成可能的下一步节点，包括向上、向下、向左和向右移动操作。对于每个生成的新节点，检查是否已经在 close 列表中，如果不在则将新节点添加到 open 列表中。
10.最后，根据估价函数 hx 来对 open 列表中的节点按估价值从高到低排序

六、实验结果及分析

图1：初始八数码与目标八数码列表

图2：实验结果

七、实验心得体会

通过本次实验，发现选用不同的启发函数，对于实验的结果有较大的影响。正如表3-1所示，选用第一或第二种（也就是采用A*算法）远远优于普通的广度优先搜索，同时，明显的感觉到第二种启发函数效率更高，更快的找到最优解。但是，在实验过程中，也遇到了一些问题，比如初始值的八数码初始值的选择对于实验结果的影响很大，在选取一些样例时，比如1,3,0,2,8,4,7,6,5，实验结果达到20000次依然没有停止，无法比较两种启发函数的优越性，鉴于时间原因，选取一些迭代次数较小就可以达到目标状态的样例进行验证，发现第二种结果优于第一种启发函数的结果。
import random
#修改索引，方便接下来交换
def move(str,index):
if str==‘up’:
return index-3
if str==‘dowm’:
return index+3
if str==‘left’:
return index-1
if str==‘right’:
return index+1

#生成新的结点并且记录路径
def create(array1,array2):
p=array1[:]
p.insert(0,array2)
for i in close:
if i[0] == p[0]:
return False
open.append§
return True
#打印
def show(list):
for j in range(len(list)):
if j % 3 == 0:
print(‘\t’)
print(list[j], end=’ ‘)
print(’\t’)

#估计函数，与目标结点对比，返回当前数码与目标数码相同位置的个数
def hx(current):
count=0
goal = [1, 2, 3, 8, 0, 4, 7, 6, 5]
for i in range(len(current)):
if current[i]==goal[i]:
count+=1
return count

if name==“main”:

# print(start)
start=[2,8,3,1,0,4,7,6,5]
goal=[1,2,3,8,0,4,7,6,5]

open=[]
close=[]
step=0
open.append([start])
while 1:
    if start==goal:
        print('初始状态即为解!')
        break
    if len(open)==0:
        print('未找到解')
        break
    else:
        this=open.pop(0)
      
        close.append(this)
        if this[0]==goal:
            print('搜索成功')
            print('共{}步达成目标'.format(len(this)-1))
            for i in this[::-1]:
                show(i)
            exit()

        #上
        if this[0].index(0)>2 :
            node=this[0].copy()
            a=this[0].index(0)
            b=move('up',a)
            node[a],node[b]=node[b],node[a]
            create(this, node)
           

        #下
        if this[0].index(0) < 6 :
            node = this[0].copy()
            a = this[0].index(0)
            b = move('dowm', a)
            node[a],node[b]=node[b],node[a]
            create(this, node)
           

        #左
        if this[0].index(0) != 0 and this[0].index(0) != 3 and this[0].index(0) != 6:
            node = this[0].copy()
            a = this[0].index(0)
            b = move('left', a)
            node[a],node[b]=node[b],node[a]
            create(this, node)
         

        #右
        if this[0].index(0) != 2 and this[0].index(0) != 5 and this[0].index(0) != 8:
            node = this[0].copy()
            a = this[0].index(0)
            b = move('right', a)
            node[a],node[b]=node[b],node[a]
            create(this, node)
           
        #对与目标数码结点相同个数最多的数码结点放到open表最前面
        for i in range(len(open)-1):
            for j in range(i+1,len(open)):
                if hx(open[i][0])<hx(open[j][0]):
                    open[i],open[j]=open[j],open[i]