3A星算法实验报告

精选优质文档-倾情为你奉上人工智能实验报告实验二 A*算法实验I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：A*算法是一种启发式图搜索算法，其特点在于对估价函数的定义上。对于一般的启发式图搜索，总是选择估价函数f值最小的节点作为扩展节点。因此，f是根据需要找到一条最小代价路径的观点来估算节点的，所以，可考虑每个节点n的估价函数值为两个分量：从起始节点到节点n的实际代价以及从节点n到达目标节点的估价代价。三、实验内容：1 参考A*算法核心代码，以8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。2在求解8数码问题的A*算法程序中，设置相同的初始状态和目标状态，针对不同的估价函数，求得问题的解，并比较它们对搜索算法性能的影响，包括扩展节点数、生成节点数等。3 对于8数码问题，设置与上述2相同的初始状态和目标状态，用宽度优先搜索算法（即令估计代价h(n)0的A*算法）求得问题的解，以及搜索过程中的扩展节点数、生成节点数。4 上交源程序。四、实验结果：1 A*算法求解框图：2 在求解8数码问题的A*算法程序中，设置相同的初始状态和目标状态，针对不同的估价函数，求得问题的解，并比较它们对搜索算法性能的影响，包括扩展节点数、生成节点数等。：int calw(string s)/计算该状态的不在位数h(n) int re=0; for(int i=0;i9;i+) if(si!=ti) re+; /取一格局与目的格局位置不符的数码数目 return re; ：int calw(string s)/计算该状态的不在位数h(n) int re=0, i; int ss92;for(i = 0; i 9; +i) /计算各数码移到目的位置所需移动的距离总和sssi - 480 = i / 3;sssi - 481 = i % 3;for(i = 0; i 9; +i)re += (abs(ssi0 - sourcei0) + abs(ssi1 - sourcei1); return re; ：int calw(string s)/计算该状态的不在位数h(n) return 0; /宽度优先 3 根据宽度优先搜索算法和A*算法，分析启发式搜索的特点。启发式搜索算法使得搜索的效率好几倍地提高。而不同的启发式搜索算法差异也较大。总之启发式搜索算法是由h(n)决定的，好的估价函数将决定算法性能的好坏。五、实验心得与体会 通过这次实验，使我对启发式搜索算法有了更进一步的理解，特别是估计函数h(n)所起到的巨大重用。一个好的估计函数对于启发式搜索算法来说是十分关键的。专心-专注-专业