這次人工智能的作業就是用回溯法解決八數碼問題,經過一天多的功夫,終於寫出來了。下面是正題
回溯法是人工智能領域的一種重要的盲目搜索算法,何爲盲目算法,即是基於規則,不斷的嘗試可能的路徑,直到到達目的的解爲止。
回溯法(探索與回溯法)是一種選優搜索法,又稱爲試探法,按選優條件向前搜索,以達到目標。但當探索到某一步時,發現原先選擇並不優或達不到目標,就退回一步重新選擇,這種走不通就退回再走的技術爲回溯法,而滿足回溯條件的某個狀態的點稱爲“回溯點”。
回溯法一般需要三張表
ps表:用於保存當前路徑的狀態,如果找到目標狀態,ps就是解題路徑上的狀態有序集。
nps表:新的路徑狀態表。它包含了等待搜索的狀態,其後裔狀態還未被搜索到即未生成擴展。
nss表:不可解狀態集,列出了找不到解題路徑的狀態,如果在搜索中擴展出的狀態是該表的元素,則將該狀態排除。
此外,八數碼還有一個書否有解的條件,即初始狀態和目標狀態的逆序數奇偶性相同。
逆序數:一個狀態表示成一維的形式,求出除0之外所有數字的逆序數之和,也就是每個數字前面比它大的數字的個數的和,稱爲這個狀態的逆序。
回溯法搜索過程示意圖如下所示:
其搜索起點爲A初始值:ps=[A], nps=[A],nss=[],目標點爲G
0 | 搜索點 | ps | nps | nss |
---|---|---|---|---|
1 | A | [A] | [A] | [ ] |
2 | B | [BA] | [BCDA] | [ ] |
3 | E | [EBA] | [EFBCDA] | [ ] |
4 | I | [IJEBA] | [IJEFBCD] | [ ] |
5 | J | [JEBA] | [JEFBCDA] | [I] |
6 | F | [FBA] | [FBCDA] | [EJI] |
7 | K | [KFBA] | [KFBCDA] | [EJI] |
8 | C | [CA] | [CDA] | [BFKEJI] |
9 | G | [GCA] | [GHCDA] | [BFKEJI] |
在搜索過程中,先進行深度搜索,直到到達指點深度,或者不可解點返回,並將該狀態置爲不可解點,然後回到上一節點進行擴展。直到找到結果或者搜完所有深度爲止。
回溯法實現八數碼思路亦是如此
初始狀態 :
2 8 3
1 6 4
7 0 5
目標狀態:
1 2 3
8 0 4
7 6 5
下面是python代碼,數碼的狀態用一維數組表示
節點狀態類Node.py
#encoding:utf-8
from Node import *
class back:
def __init__(self,orignate,target,length):
self.origate=orignate #初始狀態
self.target=target #目標狀態
self.ps=[] #PS表,用於保存當前搜索路徑的狀態
self.nps=[] #nps表,用於保存等待搜索的狀態
self.nss=[] #nss表,用於保存不可到達目的地的狀態集
self.spce=[-3,3,-1,1] #上下左右四個移動方向
self.length=length
self.MaxDegree=5 #深度限制,到達此深度回溯
def issolve(self): #判斷到目標狀態是否有解
targetVer=self.getreVersNum(self.target.state)
orinateVer=self.getreVersNum(self.origate.state)
if(targetVer%2!=orinateVer%2):
return False
else:
return True
def getreVersNum(self,state): #獲取逆序數
sum=0
for i in range(0,len(state)):
if(state[i]==0):
continue
else:
for j in range(0,i):
if(state[j]>state[i]):
sum+=1
return sum
# def getspaceIndex(self): #獲得空格所在的位置
# for i in range(len(self.origate)-1):
# if(self.origate[i]==0):
# return i
def copyArray(self,state):
arr=[]
return arr+state
#判斷狀態數碼是否存在
def isexit(self,node,table):
for i in table:
if(i.state==node.state):
return True
return False
#主要算法,回溯過程
def backMainProcess(self):
self.ps.append(self.origate)
self.nps.append(self.origate)
while(len(self.nps)):
originateState=self.ps[-1]
spacIndex=originateState.state.index(0)
if(originateState.state==self.target.state):
return True
else:
#到達指定深度,回溯
if(originateState.degree>=self.MaxDegree):
self.ps.pop()
self.nps.pop()
if(self.nps[-1]!=self.ps[-1]):
self.ps.append(self.nps[-1])
self.nss.insert(0,originateState)
continue
flag=False
for i in range(len(self.spce)):
if((i==0 and (spacIndex+self.spce[i])>=0) or
(i==1 and (spacIndex+self.spce[i])<len(self.target.state)-1)
or(i==2 and (spacIndex%self.length!=0 )) or
(i==3 and ((spacIndex+1)%self.length)!=0)):
state=self.copyArray(originateState.state)
#擴展狀態
temp=state[spacIndex+self.spce[i]]
state[spacIndex+self.spce[i]]=0
state[spacIndex]=temp
#判斷新的狀態是否已經存在
nodeState=Node(state,originateState.degree+1)
if(self.isexit(nodeState,self.nps))or (self.isexit(nodeState,self.nss)):
continue
else:
flag=True
self.nps.append(nodeState)
if(not flag):
self.ps.pop()
self.nps.pop()
if(self.nps[-1]!=self.ps[-1]):
self.ps.append(self.nps[-1])
self.nss.append(originateState)
if(flag):#展開有子節點
self.ps.append(self.nps[-1])
#輸出結果路徑
def showLine(self):
for node in self.ps:
i=0
print(node.state[i],node.state[i+1],node.state[i+2])
print(node.state[i+3],node.state[i+4],node.state[i+5])
print(node.state[i+6],node.state[i+7],node.state[i+8])
print('->:')
if __name__ == '__main__':
originate=[2,8,3,1,6,4,7,0,5]
target=[1,2,3,8,0,4,7,6,5]
node1=Node(originate,0)
node2=Node(target,0)
c=back(node1,node2,3)
if(c.issolve()):
if(c.backMainProcess()):
print('已找到解!!!!,路徑如下')
c.showLine()
else:
print('此過程無解')
運行結果:
已找到解!!!!,路徑如下
(2, 8, 3)
(1, 6, 4)
(7, 0, 5)
->:
(2, 8, 3)
(1, 0, 4)
(7, 6, 5)
->:
(2, 0, 3)
(1, 8, 4)
(7, 6, 5)
->:
(0, 2, 3)
(1, 8, 4)
(7, 6, 5)
->:
(1, 2, 3)
(0, 8, 4)
(7, 6, 5)
->:
(1, 2, 3)
(8, 0, 4)
(7, 6, 5)
->: