实验四：A星算法求解迷宫问题实验.doc

《实验四：A星算法求解迷宫问题实验.doc》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、实验四：A*算法求解迷宫问题实验一、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*算法求解迷宫问题，理解求解流程和搜索顺序。二、实验内容迷宫问题可以表述为：一个二维的网格，0表示点可走，1表示点不可以走，点用（x，y）表示，寻找从某一个给定的起始单元格出发，经由行相邻或列相邻的单元格(可以通过的)，最终可以到达目标单元格的、所走过的单元格序列。在任一个单元格中，都只能看到与它邻近的4个单元格(如果位于底边，则只有3个；位于4个角上，则只有2个是否能通过)。A*算法是人工智能中的一种搜索算法，是一种启发式搜索算法，它不需遍历所有节点，只是利用包含

2、问题启发式信息的评价函数对节点进行排序，使搜索方向朝着最有可能找到目标并产生最优解的方向。它的独特之处是检查最短路径中每个可能的节点时引入了全局信息，对当前节点距终点的距离做出估计，并作为评价节点处于最短路线上的可能性的度量。A*算法中引入了评估函数，评估函数为：f（n）=g（n）+h（n）其中：n是搜索中遇到的任意状态。g(n)是从起始状态到n的代价。h(n)是对n到目标状态代价的启发式估计。即评估函数f(n)是从初始节点到达节点n处已经付出的代价与节点n到达目标节点的接近程度估价值的总和。这里我们定义n点到目标点的最小实际距离为h（n）*，A*算法要满足的条件

3、为：h（n）<=h（n）*迷宫走的时候只能往上下左右走，每走一步，代价为1，这里我们采用的估价函数为当前节点到目标节点的曼哈顿距离，即：h（n）=

4、end.x–n.x

5、+

6、end.y–n.y

7、这里end表示迷宫的目标点，n表示当前点，很明显这里h（n）<=h（n）*。g（n）容易表示，即每走一步的代价是1，所以利用f（n）=g（n）+h（n）这种策略，我们可以不断地逼近目标点，从而找到问题的解。时间复杂度：m行n列的迷宫矩阵实现算法的时间复杂度为O(m*n).实验结果：实验源码：#include#include#include

8、tream>usingnamespacestd;intdirec[4][2]={{0,1},{-1,0},{0,-1},{1,0}};enumFlag{SEAL,OPEN,UNVISITED};typedefstructnode{int_x,_y;//节点坐标(x,y)int_G;//实际已开销Gint_H;//探测将开销Hint_F;//优先级_F=_G+_Hstructnode*pre;//前驱顶点}Queue_Node;typedefstruct{Flagflag;Queue_Node*point;}Seal;classA_Star{public://构造函

9、数A_Star(){input();}~A_Star(){for(inti=1;i<=_len;++i){for(intj=1;j<=_wid;++j){if(_seal[i][j].point!=NULL){delete_seal[i][j].point;}}}for(i=0;i<=_len;++i){delete[]_seal[i];delete[]_maze[i];}delete[]_seal;delete[]_maze;}voidinput(){cout<<"输入:迷宫左边长,上边宽!例如：3020"<>_len>>_wid;_seal

10、=newSeal*[_len+1];_maze=newunsignedchar*[_len+1];for(inti=0;i<=_len;++i){_seal[i]=newSeal[_wid+1];_maze[i]=newunsignedchar[_wid+1];}cout<<"从下一行开始输入迷宫信息："<>_maze[i][j];_seal[i][j].flag=UNVISITED;_seal[i][j].point=NULL;}}cout<<"输入起点

11、坐标,目标点坐标,例如:113020"<>_sx>>_sy>>_ex>>_ey;if(_maze[_sx][_sy]=='1'

12、

13、_maze[_ex][_ey]=='1'

14、

15、bound(_sx,_sy)==false

16、

17、bound(_ex,_ey)==false){cout<<"不可能存在这样的情况！"<pre=NULL;

18、p_nod