哈爾濱工業(yè)大學(xué)人工智能導(dǎo)論實(shí)驗(yàn)報(bào)告-文庫吧資料
2025-08-02 08:00本頁面
【正文】 kySearch p AStarFoodSearchAgentQ8: Suboptimal Searchpython l bigSearch p ClosestDotSearchAgent z .5自動評分四、 總結(jié)及討論（對該實(shí)驗(yàn)的總結(jié)以及任何該實(shí)驗(yàn)的啟發(fā)）1. 在這個(gè)實(shí)驗(yàn)中，我們對深度優(yōu)先搜索、廣度優(yōu)先搜索、代價(jià)一致搜索和A*算法四種搜索方法進(jìn)行了python代碼實(shí)現(xiàn)，對這四種方法有了進(jìn)一步的了解。Q8: Suboptimal Search次最優(yōu)搜索，定義一個(gè)優(yōu)先吃最近的豆子的函數(shù)，以此來提高搜索速度。這個(gè)問題利用之前A*算法可以很容易找到解，此種方法在這里不再詳述。在cornersHeuristic函數(shù)中使用了GetNextNodes函數(shù)獲取下一個(gè)節(jié)點(diǎn)，isGoal函數(shù)判斷是否為目標(biāo)。查找后繼節(jié)點(diǎn)時(shí)，在四個(gè)方向一次遍歷，使用directionToVector移動位置，如果沒有墻，則把下一個(gè)的狀態(tài)，動作，花費(fèi)的步數(shù)加入下一節(jié)點(diǎn)Q6: Corners Problem: Heuristic構(gòu)建合適的啟發(fā)函數(shù)，完成問題5中的角落搜索問題。Q5: Corners Problem: Representation找到所有的角落，在角落迷宮的四個(gè)角上面有四個(gè)豆，通過這個(gè)函數(shù)找到一條訪問所有四個(gè)角落的最短的路徑。在aStarSearch函數(shù)中，我們首先搜索具有最低組合成本和啟發(fā)式的節(jié)點(diǎn)。公式表示為： f(n)=g(n)+h(n),其中 f(n) 是從初始狀態(tài)經(jīng)由狀態(tài)n到目標(biāo)狀態(tài)的代價(jià)估計(jì)，g(n) 是在狀態(tài)空間中從初始狀態(tài)到狀態(tài)n的實(shí)際代價(jià)，h(n) 是從狀態(tài)n到目標(biāo)狀態(tài)的最佳路徑的估計(jì)代價(jià)（對于路徑搜索問題，狀態(tài)就是圖中的節(jié)點(diǎn)，代價(jià)就是距離）。同樣的，對于每個(gè)節(jié)點(diǎn)添加是否被訪問的標(biāo)記。在uniformCostSearch函數(shù)中，我們計(jì)算每條路徑的總代價(jià)，將總代價(jià)作為優(yōu)先級進(jìn)行搜索，待搜索序列存儲于隊(duì)列中。如果所有單步耗散都相等的話，這種算法就和廣度優(yōu)先搜索算法是一樣的。Q3: Uniform Cost Search很多情況下，路徑中的代價(jià)是可以改變的，在這個(gè)問題中，我們完成代價(jià)一致搜索方法。在深度優(yōu)先搜索算法中，我們使用棧進(jìn)行操作，在深度優(yōu)先搜索算法中，我們使用隊(duì)列進(jìn)行操作，如下圖所示。如下圖：在breadthFirstSearch中，大體的搜索思路與深度優(yōu)先算法一致，只是搜索的次序發(fā)生了變化。廣
數(shù)學(xué)相關(guān)推薦
鄂ICP備17016276號-1