文档介绍：人工智能实验报告
实验二A*算法实验I
一、实验目的：
熟悉和掌握启发式搜索的定义、估价函数和算法过程，并利用A*算法求解 N数码难题，理解求解流程和搜索顺序。
二、实验原理:
A*算法是一种启发式图搜索算法，其特点在于对估价函数人工智能实验报告
实验二A*算法实验I
一、实验目的：
熟悉和掌握启发式搜索的定义、估价函数和算法过程，并利用A*算法求解 N数码难题，理解求解流程和搜索顺序。
二、实验原理:
A*算法是一种启发式图搜索算法，其特点在于对估价函数的定义上。对于一般的启发式图搜索，总是选择估价函数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的实际代价以及从节点n 到达目标节点的估价代价。
三、实验内容：
参考A*算法核心代码，以8数码问题为例实现A*算法的求解程序（编程语言不限），要求设计两种不同的估价函数。
2在求解8数码问题的A*算法程序中，设置相同的初始状态和目标状态，针对不同的估价函数，求得问题的解，并比较它们对搜索算法性能的影响，包括扩展节点数、生成节点数等。
3对于8数码问题，设置与上述2相同的初始状态和目标状态，用宽度优先搜索算法（即令估计代价h（n） = 0的A*算法）求得问题的解，以及搜索过程中的扩展节点数、生成节点数。
4上交源程序。
四、实验结果：
1 A*算法求解框图:
将升始毛点佣入表中
眼出裘中 ftn}=h(nj-g(n 孺I大的节点
没有路独到达

。】0呼表萍耳与该蓄点的近的不在close 表中的芍点初人到第一个装中
找到最坦蹈径，推索成功
在求解8数码问题的A*算法程序中，设置相同的初始状态和目标状态，针对不同的估价函数，求得问题的解，并比较它们对搜索算法性能的影响，包括扩展节点数、生成节点数等。
①：int calw(string s)//计算该状态的不在位数h(n)
{
int re=0;
for(int i=0;i<9;i++) if(s[i]!=t[i]) re++; 〃取一格局与目的格局位置不符
的数码数目
return re;
}
Step 20： 13 4 8 2
6 5
Step 21: 1 3
2 4
6 5
Step 22: 1 3
2 4
Step 23:
12 3
8 4
7 6 5
M动结枣！控索节出数：8423
请按任意键继续---
②：int calw(string s)//计算该状态的不在位数h(n)
(
int re=0, i;
int ss[9][2];
for(i = 0; i < 9; ++i) { //计算各数码移到目的位置
所需移动的距离总和
ss[s[i] - 48][0] = i / 3;
ss[s[i] - 48][1] = i % 3;
}
for(i = 0; i < 9; ++i)
re += (abs(ss[i][0] - source[i][0]) + abs(ss[i][1]- source[i][1]));
return re;}
Step 20：
3 4 8