A*算法求解15数码问题

最新推荐文章于 2025-07-15 23:46:03 发布
最新推荐文章于 2025-07-15 23:46:03 发布
阅读量1.1w 收藏 56
点赞数 15
CC 4.0 BY-SA版权
分类专栏： 算法 文章标签： A*算法 15数码
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/greedystar/article/details/79971628

目录

一、问题描述

二、算法简介

三、算法步骤

四、评估函数

五、参考资料

六、源代码（Java实现）

一、问题描述

利用A*算法进行表1到表2的转换，要求空白块移动次数最少。

转换规则为：空白块只可以与上下左右四个方向的相邻数字交换。

       表1 起始状态                     表2 目标状态

         

二、算法简介

A*算法是一种在图形平面上，有多个节点的路径，求出最低通过成本的算法。该算法综合了Best-First Search和Dijkstra算法的优点：在进行启发式搜索提高算法效率的同时，基于评估函数计算损失，保证找到一条最优路径。

算法能否找到最优解的关键在于评估函数的选择，A*算法的评估函数表示为：f(n) = g(n) + h(n)

f(n) 是从初始状态经由状态n到目标状态的代价估计

g(n) 是在状态空间中从初始状态到状态n的实际代价

h(n) 是从状态n到目标状态的最佳路径的估计代价

例如在8数码问题中，g(n) 表示状态空间树中搜索的层数，h(n) 表示状态n与目标状态中元素位置不同的元素个数。

三、算法步骤

设定两个集合，open集，close集

1.  将起始点加入open集（设置父亲节点为空）

2.  在open集中选着一个f(n)值最小的节点作为当前节点

    2.1 将当前节点从open集中移除，添加到close集

    2.2 如果当前节点为终点节点，那么结束搜索

    2.3 处理当前节点的所有邻接节点，规则如下：

       如果不在open集中，那么就将其添加到open集，并将该节点的父节点为当前节点

       如果已经添加到open集中，重新计算f(n)值，如果f(n)值小于先前的f(n)值，那么就更新open集中相应节点的f(n)

       如果该节点不可通过或者已经被添加到close集，那么不予处理

3、如果open集不为空，那么转到步骤2继续执行。

四、评估函数

1.   f(n) = 状态n状态空间树中的搜索深度 + 状态n与目标状态不同的元素个数

效果：与8数码问题使用了相同的评估函数，大概跑了30W步无法求出解

评价：效果极差，15数码问题的状态空间树要远复杂于8 数码问题，且15数码问题中空白块的移动更为复杂，此评估函数不适用。

2.   f(n) = 状态n状态空间树中的搜索深度 + 状态n与目标状态各个位置数字偏差的绝对值

效果：随着搜索的进行，空白块的移动集中在表格上部，表格下部几乎不移动 ，无法求出解

评价：因为下部数字较大，移动后差值较大造成评估值较大，因此搜索集中在了数值较小的部分，效果很差。

3.   f(n) = 状态n状态空间树中的搜索深度 + 状态n与目标状态各个元素的路径差值（一维数组各元素的距离差之和）

效果：空白块最终移动55步得到目标状态。

评价：效果比较理想，但h(n)还可继续优化。

4.   f(n) = 状态n状态空间树中的搜索深度 + 状态n与目标状态各个元素的曼哈顿距离

效果：空白块最终移动41步得到目标状态。

评价：效果理想。

实际上，1和2的评估函数效果大致相同，都将搜索局限在了一部分导致无法计算出问题的解。3实际是以一维数组各元素的距离差之和估计状态n到目标状态的曼哈顿距离，但此估计方式和计算平面两点的曼哈顿距离存在较大误差，因此只求解出可行解。

五、参考资料

A*算法详解，看完后全懂了

启发式搜索浅谈，解决八数码问题

六、源代码（Java实现）

Github地址：A*算法求解15数码问题

A*算法（解决十五数码问题）
weixin_63282999的博客
06-04 2176
一、启发式搜索简介启发式搜索就是在状态空间中的搜索对每一个搜索的位置进行评估，得到最好的位置，再从这个位置进行搜索直到目标。这样可以省略大量无谓的搜索路径，提高了效率。在启发式搜索中，对位置的估价是十分重要的。采用了不同的估价可以有不同的效果。二、A*算法简介启发式搜索算法A，一般简称为A算法，是一种典型的启发式搜索算法。其基本思想是：定义一个评价函数f，对当前的搜索状态进行评估，找出一个最有希望的节点来扩展。评价函数的形式如下：f（其中n是被评价的节点。
C++实现A*算法十五数码问题
01-23
课上老师布置的用C++实现A*算法的十五数码问题，该程序能够完美运行，并且输出最佳解路径。
A*算法实现15数码问题
12-11
用人工智能领域中经典的A*算法解决了人工智能中常见的十五数码问题。
A*算法详解
最新发布
07-15 2716
从游戏中的角色寻路到机器人导航，从地图软件的路线规划到无人机路径优化，A*算法都发挥着核心作用，本文我将深入解析A*算法的核心原理、实现步骤、启发函数设计及实际应用，并结合Java代码示例，带你全面掌握这一路径搜索算法。
A*算法解决15数码问题详细解析(附完整代码)
weixin_46232441的博客
11-29 6072
一、15数码问题 15数码问题：一个4*4的16宫格棋盘上，摆放有15个将牌，每一个都刻有1-15中的某一个数码。棋盘中留有一个空格，允许其周围的某一个将牌向空格移动，这样通过移动将牌就可以不断改变将牌的布局。所要求解的问题：是给定一种初始布局(初始状态)和一个目标布局(目标状态),问如何移动数码实现从初始状态到目标状态的转变。 二、A*算法 2.1 什么是A*算法？ A*算法，A*（A-Star)算法是一种静态路网中求解最短路径最有效的直接搜索方法，也是解决许多搜索问题的有效算法。A*算法是一种启发式搜索
用A*算法解决十五数码问题（人工智能作业）
weixin_40433003的博客
12-27 6830
人工智能大作业：使用A*算法解决十五数码问题
C语言实现：使用A*算法来解决15数码问题
03-26
本报告利用A*算法，给出了15数码问题的C++算法实现。 A*算法是一种预测算法，主要用于寻路等，根据当前状态和目标状态之间的差异，预测到达目标需要多少开销，根据这个开销来判断下一次选择以那个状态开始。这个开销...
A*算法解决十五数码问题（Python程序、报告）
11-17
通过以上内容，我们可以看到，"A*算法解决十五数码问题（Python程序、报告）"这个项目不仅涵盖了计算机科学中的经典算法，还涉及了人工智能领域中解决问题的方法，同时提供了实际的编程实践和文档编写训练。...
A*算法求解八数码问题_C#语言
11-20
A*算法求解八数码问题 1、A*算法基本思想： 1）建立一个队列，计算初始结点的估价函数f，并将初始结点入队，设置队列头和尾指针。 2）取出队列头（队列头指针所指）的结点，如果该结点是目标结点，则输出路径，程序...
人工智能A*算法15数码python实现
03-12
基于python实现的A*算法15数码，18级学姐自主完成的作业，呕心沥血，如果在语言规范上存在不足，那就。就憋着！哈哈哈哈哈，代码仅供参考，自己亲自码代码更酸爽！
Python A星算法求解十五数码问题，BUAA人工智障课程作业
11-20
A*算法是一种有序搜索算法，其特点在于对估价函数f的定义上。对于一般的有序搜索，总是选择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的代价以及从节点n到达目标节点的代价。
15数码问题源代码（c++）
12-22
c++版本的求解15数码问题算法源代码2
十五数码问题（利用有序搜索算法）
12-01
利用有序搜索算法解决十五数码问题，利用Java实现。这是本人亲自编写的程序，为人工智能作业，有详细的说明和注释，并且有实验报告。
fifteen_digital_十五数码难题_
09-29
使用A-star算法解决十五数码难题，python环境下大约2s即可解决，关键在于评价函数的加权处理。
15数码问题（A*算法）
热门推荐
lph-China的博客
01-16 1万+
一、题目  设计一个启发函数，利用A*算法求解15数码问题。 初始状态 5 1 2 4 9 6 3 8 13 15 10 11 14 0 7 12 目标状态 1 2 3 4 5 6 7 8 9 10 11 12 13 14 1...
十五数码问题
Blue2Te
11-10 1万+
15数码问题是人工智能中的一个经典问题。所谓的15数码问题：就是在一个4*4的16宫格棋盘上，摆放有15个将牌，每一个都刻有1-15中的某一个数码。棋盘中留有一个空格，允许其周围的某一个将牌向空格移动，这样通过移动将牌就可以不断改变将牌的布局。所要求解的问题：是给定一种初始布局(初始状态)和一个目标布局(目标状态),问如何移动数码实现从初始状态到目标状态的转变，下面给出一种示例： 1  2  3
A*算法求解15数码问题（含详细注释解释，300行代码）
qq_44174803的博客
11-21 8157
问题描述： 算法程序: 设计一个启发函数,利用A算法求解15数码问题。 要求: 尽可能用与A算法一致的思路实现算法, 力求简单明了地给出一个解. 一、A*算法 A算法是一种常用的启发式搜索算法。 在A算法中，一个结点位置的好坏用估价函数来对它进行评估。 A*算法的估价函数可表示为： f’(n) = g’(n) + h’(n) 这里，f’(n) 是估价函数， g’(n) 是起点到终点的最短路径值，h’(n)是n到目标的最短路经的启发值。由于这个 f’(n) 无法预先知道，所以实际上使用的是下面的估价函数：
A*算法求解15数码问题的程序
05-05
以下是使用A*算法求解15数码问题的Python程序。 ```python import heapq class Puzzle: def __init__(self, state, parent, move, depth, cost): self.state = state self.parent = parent self.move = move self.depth = depth self.cost = cost self.id = self.create_id() def create_id(self): id = "" for i in range(16): id += str(self.state[i]) return id def __lt__(self, other): return self.cost < other.cost class Solver: def __init__(self, initial_state): self.initial_state = initial_state self.goal_state = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 0] self.goal_id = self.create_id(self.goal_state) def create_id(self, state): id = "" for i in range(16): id += str(state[i]) return id def solve(self): open_list = [] closed_list = {} state = self.initial_state puzzle = Puzzle(state, None, None, 0, 0) heapq.heappush(open_list, puzzle) while open_list: puzzle = heapq.heappop(open_list) closed_list[puzzle.id] = puzzle if puzzle.state == self.goal_state: return self.get_path(puzzle) moves = self.get_moves(puzzle) for move in moves: new_state = self.get_new_state(puzzle.state, move) new_puzzle = Puzzle(new_state, puzzle, move, puzzle.depth+1, self.get_cost(new_state)) new_id = new_puzzle.id if new_id in closed_list: continue heapq.heappush(open_list, new_puzzle) return None def get_moves(self, puzzle): moves = [] blank_index = puzzle.state.index(0) if blank_index > 3: moves.append(-4) if blank_index < 12: moves.append(4) if blank_index % 4 > 0: moves.append(-1) if blank_index % 4 < 3: moves.append(1) return moves def get_new_state(self, state, move): new_state = state[:] blank_index = new_state.index(0) swap_index = blank_index + move new_state[blank_index], new_state[swap_index] = new_state[swap_index], new_state[blank_index] return new_state def get_cost(self, state): cost = 0 for i in range(16): if state[i] == 0: continue goal_index = self.goal_state.index(state[i]) if i != goal_index: cost += 1 return cost def get_path(self, puzzle): path = [] while puzzle: path.append(puzzle.move) puzzle = puzzle.parent return path[::-1] # Example usage initial_state = [1, 2, 3, 4, 5, 6, 0, 7, 8, 9, 10, 11, 12, 13, 14, 15] solver = Solver(initial_state) path = solver.solve() if path: print(path) else: print("No solution found") ``` 在上面的程序中，`Puzzle`类表示一个15数码问题的状态，包含了状态、父状态、移动方向、深度和代价。`Solver`类表示一个15数码问题的求解器，包含了初始状态、目标状态和目标状态的ID。`solve()`方法使用A*算法来求解问题，`get_moves()`方法获取当前状态可以进行的移动方向，`get_new_state()`方法根据移动方向得到新的状态，`get_cost()`方法计算代价，`get_path()`方法获取求解的路径。 在上面的例子中，初始状态是[1, 2, 3, 4, 5, 6, 0, 7, 8, 9, 10, 11, 12, 13, 14, 15]，表示一个已经被打乱的15数码问题，程序会输出一个求解路径。
评论 5
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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