启发式搜索

启发式搜索

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。

在启发式搜索中，我们每次找到当前“最有希望是最短路径”的状态进行扩展。对于每个状态的我们用函数F来估计它是否有希望。F包含两个部分：

F = G + H

G：就是普通宽度优先搜索中的从起始状态到当前状态的代价，

H：是一个估计的值，表示从当前状态到目标状态估计的代价。

H是由我们自己设计的，H函数设计的好坏决定了启发式算法的效率。H值越大，算法运行越快。

但是在设计评估函数时，需要注意一个很重要的性质：评估函数的值一定要小于等于实际当前状态到目标状态的代价。

否则虽然你的程序运行速度加快，但是可能在搜索过程中漏掉了最优解。相对的，只要评估函数的值小于等于实际当前状态到目标状态的代价，就一定能找到最优解

F：评估值和状态值的总和。

 

同时在启发式搜索中将原来的一个队列变成了两个队列：openlist和closelist。

在openlist中的状态，其F值还可能发生变化。而在closelist中的状态，其F值一定不会再发生改变。

整个搜索解的流程变为：

1. 计算初始状态的F值，并将其加入openlist
2. 从openlist中取出F值最小的状态u，并将u加入closelist。若u为目标状态，结束搜索；
3. 对u进行扩展，假设其扩展的状态为v：若v未出现过，计算v的f值并加入openlist；若v在openlist中，更新v的F值，取较小的一个；若v在closelist中，抛弃该状态。
4. 若openlist为空，结束搜索。否则回到2。

利用这个方法可以避免搜索一些明显会远离目标状态的状态，从而缩小搜索空间，早一步搜索到目标结果。

在启发式搜索中，最重要的是评估函数的选取，一个好的评估函数能够更快的趋近于目标状态。

 

启发式搜索在某些情况下并不一定好用，一方面取决于评估函数的选取，另一个方面由于在选取状态时也会有额外的开销。而快速趋近目标结果所减少的时间，能否弥补这一部分开销也是非常关键的。

所以根据题目选取合适的搜索方法才是最重要的。

 

问题：八数码求解的步数

伪代码：

search(status):
    start.status = status
    start.g = 0    // 实际步数
    start.h = evaluate(start.status)
    start.f = start.g + start.h
    
    openlist.insert(start)
    
    While (!openlist.isEmpty()) 
        u = openlist.getMinFStatus()
        closelist.insert(u)
        For v is u.neighborStatus
            If (v in openlist) Then
                // 更新v的f值
                If (v.f > v.h + u.g + 1) Then
                    v.f = v.h + u.g + 1
                End If
            Else If (v in closelist)
                continue
            Else 
                v.g = u.g + 1
                v.h = evaluate(v.status)
                v.f = v.g + v.h
                openlist.insert(v)
            End If
        End For
    End While

源码：

#include <cstring>  
#include <cmath>  
#include <queue>  
#include <stack>  
#include <algorithm>  
#include <iostream>
using namespace std;  
   
struct node{  
    int f,h,g;  
    int x,y;
    char map[3][3];  
    friend bool operator< (const node &a,const node &b){
        if(a.f==b.f)  
            return a.g<b.g;  
        return a.f>b.f;  
    }
};
node start;
int Hash[15];    // Hash[i] 存 i! 1~9 
int pos[][2]= {{0,0},{0,1},{0,2},{1,0},{1,1},{1,2},{2,0},{2,1},{2,2}};  // 0~8 的目标位置的坐标 
int to[4][2]={0,-1,0,1,-1,0,1,0};
bool vis[500000];      

//判断不可能的状况 
bool check(){    
    int s[20];  
    int cnt = 0;  
    for(int i = 0; i<3; i++){  
        for(int j = 0; j<3; j++){  
            s[3*i+j] = start.map[i][j];  
            if(s[3*i+j] == 'x')  
                continue;  
            for(int k = 3*i+j-1; k>=0; k--){
                if(s[k] == 'x')  
                    continue;  
                if(s[k]>s[3*i+j])  
                    cnt++;  
            }  
        }  
    }  
    if(cnt%2)  
        return false;  
    return true;  
}  

//康托 
int solve(node a){   
    int s[20];  
    int ans = 0;  
    for(int i = 0; i<3; i++){  
        for(int j = 0; j<3; j++){  
            s[3*i+j] = a.map[i][j];  
            int cnt = 0;  
            for(int k = 3*i+j-1; k>=0; k--){  
                if(s[k]>s[3*i+j])  
                    cnt++;  
            }  
            ans = ans+Hash[i*3+j]*cnt;  
        }  
    }  
    return ans;  
}  

//得到 H值 ,曼哈顿距离之和 
int get_h(node a){  
    int ans = 0;  
    for(int i = 0; i<3; i++){  
        for(int j = 0; j<3; j++){  
            if(a.map[i][j] == 'x')  
                continue;  
            int k = a.map[i][j]-'1';  
            ans+=abs(pos[k][0]-i)+abs(pos[k][1]-j);  
        }
    }  
    return ans;  
}

int bfs(){  
    memset(vis,0,sizeof(vis));  
//    queue<node> Q; 
    priority_queue<node> Q;  
    start.g = 0;  
    start.h = get_h(start);  
    start.f = start.h; 
    vis[solve(start)]=true;
    if(solve(start)==0)  return 0;
    Q.push(start);  
    node next;
    while(!Q.empty()){  
        node a = Q.top();  
        Q.pop();  
//        node a = Q.front();
        int k_s = solve(a);  
        vis[k_s]=true;
        for(int i = 0; i<4; i++){
            next = a;  
            next.x+=to[i][0];  
            next.y+=to[i][1];  
            if(next.x < 0 || next.y < 0 || next.x>2 || next.y > 2)  
                continue;  
            next.map[a.x][a.y] = a.map[next.x][next.y];  
            next.map[next.x][next.y] = 'x';  
            next.g+=1;  
            next.h = get_h(next);  
            next.f = next.g+next.h;  
            int k_n = solve(next);  
            if(vis[k_n])  
                continue;  
            Q.push(next);  
            if(k_n == 0)  
                return next.g;  
        }  
    }  
}  

int main(){    
    Hash[0] = 1;  
    for(int i = 1; i<=9; i++)  
        Hash[i] = Hash[i-1]*i;  
    
    int t=0;
    cin>>t;
    char a=0;
    while(t--){
        for (int i=0;i<3;i++){
            for (int j=0;j<3;j++){
                cin>>a;
                start.map[i][j]=a;
                if(a=='0'){
                    start.map[i][j]='x';
                    start.x=i;
                    start.y=j;
                }
            }
        }
        if(!check()){  
            cout<<"No Solution!"<<endl;  
        }  
        else cout<<bfs()<<endl;  
    } 
    return 0;  
}