人工智能-8-puzzle爬山法(最陡上升,首项选择),随即重新启动法

本文介绍了使用最陡上升法、首项选择法和随机重新启动法解决8-puzzle问题的思路和实现。通过计算曼哈顿距离选择下一步,随机重新启动法在限制步数内总能找到正确解,而最陡上升法和首选爬山法的效率受到初始状态的影响。经过优化,当曼哈顿距离相同时进行随机选择,方法的效率显著提升。
摘要由CSDN通过智能技术生成

#include<iostream>
#include<time h="">
#include<cmath>
#include<iomanip>
#include<vector>
using namespace std;

int mubiao[3][3] = { { 1, 2, 3 }, { 4, 5, 6 }, { 7, 8, 0 } };
int current[3][3] = { { 1, 2, 3 }, { 4, 5, 6 }, { 7, 8, 0 } };
int dir[4][2] = { { 0, 1 }, { 0, -1 }, { -1, 0 }, { 1, 0 } };

struct node {
	int row;
	int col;
}];

int manhattan() {
	int sum = 0;
	for (int i = 0; i < 3; i++) {
		for (int j = 0; j < 3; j++) {
			int row, col;
			if (current[i][j] == 0) {
				continue;
			}
			else {
				row = (current[i][j] - 1) / 3;
				col = (current[i][j] - 1) % 3;
			}
			sum += abs(i - row) + abs(j - col);
		}
	}
	return sum;
}

bool hill_climbing() {
	int row;
	int col;
	int flag = 0;
	for (int j = 0; j < 3; j++) {
		for (int k = 0; k < 3; k++) {
			if (current[j][k] == 0) {
				row = j;
				col = k;
				flag = 1;
				break;
			}
		}
		if (flag == 1) break;
	}
	int h;
	int rr, cc, ff, step = 0;
	do {
		h = 999999;
		
		for (int i = 0; i < 4; i++) {
			int r = row + dir[i][0];
			int c = col + dir[i][1];
			if (r >= 0 && r < 3 && c >= 0 && c < 3) {
				swap(current[r][c],
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“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