八数码问题的A搜索

这个代码实现的是《人工智能》(第四版)p125
主要思想:
1.八数码空格在不超出范围且不移回上一步状态,便可有上移,下移,左移,右移几种可能的情况。
2.将当前八数码情况与目标状态比较选出“不在位”的最小数码。作为最优状态,继续扩展。(不算当前八数码空格位置)
例如下图,S为初始状态的八数码,S1为S空格上移,Sg为目标状态。
其“不在位”数量分别为 4, 3,所以S1会被选为最优状态

八数码问题的A搜索_第1张图片
话不多说上代码
这一块为写着写着觉得需要的函数

from copy import*
dic = {}  #存储移动可能的结果
cou = 0 #给不同状态八数码标一个号,区分
h = 0 #深度
tg = [[1, 2, 3], [8, 0, 4], [7, 6, 5]]  
def Now_status(status):  #打印出当前状态         # #208,163,754
    for m in status:                                    #{1: [[[0, 2, 8], [1, 6, 3], [7, 5, 4]], 'left'], 2: [[[2, 8, 0], [1, 6, 3], [7, 5, 4]], 'right']}
        for n in m:
            print(n, end = "   " )
        print(end = "\n")

def getIndex(a,value): #获得空格的位置
    for i in range(len(a)):
        for j in range(len(a[i])):
            if a[i][j] == value:
                m,n = i,j
                return m,n

def left(m,n,a,flag):
    global cou
    if n-1 >= 0 and flag != "right":   #左移    之前右移不可能再左移回去
        flag = "left"
        cou += 1
        a[m][n], a[m][n - 1] = a[m][n - 1], a[m][n]
        dic[cou] = [a,flag]
def right(m,n,a,flag):
    global cou
    if n+1 < len((a[m])) and flag != "left": #右移
        flag = "right"
        cou += 1
        a[m][n], a[m][n + 1] = a[m][n + 1], a[m][n]
        dic[cou] = [a, flag]
def up(m,n,a,flag):
    global cou
    if m-1 >= 0 and flag != "down" :
        flag = "up"
        cou += 1
        a[m][n], a[m - 1][n] = a[m - 1][n], a[m][n]
        dic[cou] = [a, flag]
def down(m,n,a,flag):
    global cou
    if m+1 < len(a) and flag != "up":
        flag = "down"
        cou += 1
        a[m][n], a[m + 1][n] = a[m + 1][n], a[m][n]
        dic[cou] = [a, flag]

def move(a, flag):
    b = deepcopy(a)   #a改变一个值,然后全都会变的
    c = deepcopy(a)
    d = deepcopy(a)
    m, n = getIndex(a, 0)
    left(m, n, a, flag)
    right(m, n, b, flag)
    up(m, n, c, flag)
    down(m, n, d, flag)

def input_Now_status():
    for m,n in zip(dic.keys(),(dic.values())):
        print("情况为:",n[1])
        Now_status(n[0])
def input_Ele():  #输入初始八数码,目标状态八数码在一开始定义了的
    a = []
    x = 0
    while x < 3:
        x = x+1
        print("请输入第",x,"行(请以逗号分隔):")
        Ele = input()
        Ele = Ele.split(",")
        if len(Ele) == 3:
            a.append(list(map(int, Ele)))  #因为输入的一串是字符串,这里是为int
        else:
            print("所输入的列数不正确,请重新输入")
            x = x - 1
    return a

选出扩展最优的八数码状态

def compare():  #与目标相比,选出最优
    dic_s = {} #存储不在目标值的数量
    for key,values in zip (dic.keys(),dic.values()):  #与目标相比
        m = 0
        value = values[0]
        for i in range(len(value)):
            for j in range(len(value[i])):
                if value[i][j] != tg[i][j] and value[i][j] != 0:
                    m += 1
        dic_s[key] = m
    best_value = (sorted(dic_s.items(), key=lambda d:d[1])[0])[1]
    for key,value in zip (dic_s.keys(),dic_s.values()): #选出最优
        if best_value < value:
            del dic[key]
        else:
            best_value = value
            best_key = key
    print("最优为",end="")
    input_Now_status()
    return dic_s[best_key]  #返回最优不在目标状态的数量

def tg_end(a):  #循环,直达变为目标状态,flag
    global h
    flag = ""
    move(a, flag)
    h += 1
    print("第",h,"层:")
    m = compare()
    while m > 0:
        dic_change = dic.copy()  # 存储改变过的字典
        for key, value in zip(dic_change.keys(), dic_change.values()):  # 可能有多个最优情况,需要例举出可能的情况,再做比较
            move(value[0], value[1])
            del dic[key]  # 移动过的八数码,接下来会被删除
        h += 1
        print("第",h,"层:")
        m = compare()
    print("结束!!!")

主函数

def main():
    print("******Welcome to the 八数码******")          #a = [[2, 8, 3], [1, 6, 4], [7, 0, 5]]
    a = input_Ele()   # 2,8,3    1,6,4    7,0,5
    print("开始状态")
    Now_status(a)
    tg_end(a)

效果图
八数码问题的A搜索_第2张图片
八数码问题的A搜索_第3张图片
启发信息给得越多即估计函数值越大,则A算法需要搜索处理的状态数就越少,其效率就越高。但也不是估价函数值越大越好,因为估价函数值太大会使A算法不一定能搜索到最优解。例如p130页课后习题的[[2,0,8],[1,6,3],[7,5,4]]要是用上面的代码就陷入死循环了。所以A*就诞生了熬。
第一次写这个,多多指教啦_

你可能感兴趣的:(pytorch)