A*算法简介
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(n)=g(n)+h(n)(其中n是被评价的节点。)
我们先来定义下面几个函数的含义,它们与f(n)、g(n)和h(n)的差别是都带有一个"*"号。
g*(n):表示从初始节点s到节点n的最短路径的耗散值;
h*(n):表示从节点n到目标节点g的最短路径的耗散值;
f*(n)=g*(n)+h*(n):表示从初始节点s经过节点n到目标节点g的最短路径的耗散值。
而f(n)、g(n)和h(n)则分别表示是对f*(n)、g*(n)和h*(n)三个函数值的的估计值。是一种预测。A算法就是利用这种预测,来达到有效搜索的目的的。它每次按照f(n)值的大小对OPEN表中的元素进行排序,f值小的节点放在前面,而f值大的节点则被放在OPEN表的后面,这样每次扩展节点时,都是选择当前f值最小的节点来优先扩展。
题目设计
A*算法简单实现十五数码问题:
初始状态
| 6 |
13 |
0 |
14 |
| 1 |
5 |
12 |
15 |
| 10 |
7 |
9 |
3 |
| 8 |
4 |
2 |
11 |
目标状态
| 1 |

本文介绍了A*算法的基础知识,包括启发式搜索原理和A*算法的评价函数。并通过详细步骤解释了如何应用A*算法解决十五数码问题,提供两种不同的估价函数,并给出了Python代码实现。
最低0.47元/天 解锁文章
1万+





