python拼图游戏

最近用python写了个自动拼图游戏，内部算法使用的是A*算法。
功能为打开一张图片，选择图片分割的维数和图片空缺的位置，然后自动打乱生成新的图片，然后再恢复。

A*原理

1. 把起点加入 open表。

2. 重复如下过程：

a. 遍历 open表，查找 F 值最小的节点，把它作为当前要处理的节点。

b. 把这个节点移到 close表。

c. 对当前方格的 4个方向相邻方格进行操作：

◆ 如果它是不可抵达的或者它在 close表中，忽略它。

◆ 如果它不在 open表中，把它加入 open表，并且把当前方格设置为它的父亲，记录该方格的 F，G 和H值。

◆ 如果它已经在 open表中，检查这条路径 ( 即经由当前方格到达它那里 ) 是否更好，用 H值作参考。更小的H值表示这是更好的路径。如果是这样，把它的父亲设置为当前方格，并重新计算它的 G 、H和 F 值。
d. 判断是否出现以下情况，是就停止跳出循环：

◆ 把终点加入到了 open表中，此时路径已经找到了，或者

◆ 查找终点失败，并且 open表是空的，此时没有路径。

3. 保存路径。从终点开始，每个方格沿着父节点移动直至起点，这就是你的路径。

效果

开始界面

打开图片

打乱图片

主要代码

这是A*算法的代码，主要的就是这个，其他的只是画界面和呈现出来而已。

def run_Axing():
    maxcount=10000+m*m*n*n
    # 1. 把起始格添加到开启列表。
    openList[0]=li0[:]
    cost[0]=H_cost(li_goal,openList[0])
    before[0]=0
    Gn = 0
 #   add_open(st[0])
    # 2.重复如下的工作：
    while len(closeList)<10000:
        # a) 寻找开启列表中H值最低的格子。我们称它为当前格。
        mc = cost.index(min(cost))
        if cmp(openList[mc][:],li_goal[:])==0:
            return mc
        x = openList[mc].index(0) + 1
        # b) 把它切换到关闭列表。
        closeList.append(openList[mc][:])
        cost[mc]=maxcount
#        del openList[mc]
#        del cost[mc]
        # c) 对相邻的8格中的每一个进行以下操作

        for i in range(0, 4):
            if bool_rules(x, x + move[i]):
                temp = turn(x, x + move[i], openList[mc][:])[:]
                if closeList.count([temp]) == 0:  # 如果它不可通过或者已经在关闭列表中，略过它。
                    if openList.count([temp]) == 0:
                        openList.append(temp)  # 如果它不在开启列表中，把它添加进去。把当前格作为这一格的父节点。记录这一格的H值。
                        c = H_cost(li_goal, openList[-1])+Gn
                        cost.append(c)
                        before.append(mc)
                        # 如果它已经在开启列表中，用H值为参考检查新的路径是否更好。
                        # 更低的H值意味着更好的路径。如果是这样，就把这一格的父节点改成当前格，
                        # 并且重新计算这一格的H值。
                    else:
                        t = openList.index(temp)
                        c = H_cost(li_goal, openList[t])+Gn
                        if c < cost[t]:
                            cost[t]=c
                            before[t] = mc
        Gn += 1
    return -1

H值计算函数，下面给出两种，可以自己试试效果：

def H_cost1(li1,li2):#当前搜索点到目标点的估计代价
    cost=0
    for i in range(0,len(li1)):
        cost+=abs(li1[i]-li2[i])
    return cost

def H_cost2(li1,li2):#当前搜索点到目标点的估计代价
    #两个点的距离用欧式距离
    cost=0
    for i in range(0,len(li1)):
        p = li1.index(i)
        q = li2.index(i)
        if p!=q:
            x1=int(p/m);x2=int(q/m);y1=p-m*x1;y2=q-m*x2;
            cost +=math.sqrt((x1-x2)**2+(y1-y2)**2)
    return cost

代码下载链接：https://download.csdn.net/download/czq_0768/11159083
有什么欢迎的回应讨论。