這是
Google 對 http://www.csie.ntnu.edu.tw/~u91029/StateSpaceSearch.html
的快取。 這是該網頁於 2012年10月25日 06:37:02 GMT 顯示時的快照。 在此期間，目前網頁可能已經變更。
瞭解更多資訊
提示：如要在這個網頁上快速尋找您所搜尋的字詞，請按下 Ctrl+F 鍵或 ⌘-F 鍵 (Mac)，然後使用尋找列進行搜尋。
提示：如要在這個網頁上快速尋找您所搜尋的字詞，請按下 Ctrl+F 鍵或 ⌘-F 鍵 (Mac)，然後使用尋找列進行搜尋。
演算法筆記- State Space Search
- 有一種走迷宮的方式，叫做右手原則。當迷宮的入口、出口都在外牆，而且迷宮裡面沒有環狀路線，此時只要用右手一直摸著牆走，一定可以走出迷宮。右手原則其實 ...
電腦迷宮（Computer Labyrinth） - 梁祝影迷- Yahoo!奇摩部落格
tw.myblog.yahoo.com/jc-tw/article?mid=3403&l=f... - 美國頁庫存檔2009年2月1日 – 首先，不論複雜或簡易，任何一個合法（Legal）的迷宮都必須符合以. ... 接下來要探討的是：「身陷迷宮之中的人」應該採取何種策略以保證一定可以走出迷宮？（他/她的手上當然沒有迷宮「平面圖」，甚至也不知道迷宮的「維度」，只知道 ... 那就是：伸出右手（左手當然也可以，但必須一直用同一手，不可中途換手）摸著「隔間 ...
State Space Search （ Under Construction! ）
程度★★ 難度★★
乾坤大地，日月星辰，森羅萬象。《五燈會元》
State Space
一件事物，以宏觀、全知的角度望去，當前的模樣稱作「狀態」。比方說：影片拍攝著一臺行駛中的車輛，底片的一格畫面，就是一個狀態。
狀態可以是一盤棋的局面，也可以是今天下午五點整時的車潮（說成「車輛的分佈情況」就更貼切）。狀態與狀態之間，可以是離散的（棋盤局面），也可以是連續的（車潮）。
一件事物，其所有狀態構成的集合，稱做「狀態空間」。
Successor Function
每一個狀態都可以經過特定動作，改變現有狀態、「轉移」到下一個狀態。
例如象棋，我們可以移動一顆棋子到其他空地、移動一顆棋子收拾對手的棋子。例如車潮，每一輛車可以踩油門、煞車、轉彎。這些改變現有狀態、轉移到下一個狀態的動作們，稱作「轉移函數」。一般來說，狀態空間可從某幾個狀態開始，藉由「轉移函數」不斷衍生而得。
State Space Search
「狀態空間搜尋」，搜尋一件事物的所有狀態，求得答案。將所有狀態依照衍生關係相連成圖，圖可以是樹狀圖或是網狀圖，然後在圖上移動，搜尋各種狀態。
State Space Tree
程度★★ 難度★★★
State Space Tree
選定一個狀態，衍生各式各樣的狀態，形成一棵樹，便是「狀態空間樹」。狀態空間樹無窮無盡衍生，同一個狀態很可能重複出現、重複衍生。另外，轉移狀態需要「成本」，製圖時一般繪於分枝上。每當轉移狀態，就要記得累加成本。
舉例：下棋
State：一個符合規則的棋盤盤面。（棋子不疊合、位置不踰矩。） Successor Function：棋子移動規則。 State Space：所有符合規則的棋盤盤面。 Cost：轉移狀態的成本都是一，代表走了一步。
舉例：單源最短路徑
State：目前所在地點。 Successor Function：圖的連接情形。（每一個點所連著的邊。） State Space：所有可以走到的地點。 Cost：圖上各條邊的成本。
狀態空間樹亦可簡潔呈現如下：
Initial State / Goal State
狀態空間樹的功能，是計算一個特定狀態到其他所有狀態、或者兩個狀態之間，成本最小（大）的轉移過程。其中一個狀態作為「起始狀態」、另一個就作為「目標狀態」，就像是起點與終點。亦可視情況設定多種相異的目標狀態。
一般來說，是以起始狀態建立狀態空間樹。由於狀態空間樹會重複衍生，所以目標狀態會重複出現，散布在狀態空間樹當中。然後在狀態空間樹當中搜尋目標狀態，找到最佳的轉移過程。
由於狀態空間樹是無窮無盡衍生的，所以一般都是一邊建立、一邊搜尋。想要找到最佳轉移過程，還得一邊累加成本。
evaluating function g(x)：起始狀態轉移到當前狀態x，實際的轉移成本。 heuristic function h(x)：當前狀態x轉移到目標狀態，預估的轉移成本。
以 g(x) 由小到大的順序建立狀態空間樹，最先遇到的目標狀態，就是 g(x) 最小的目標狀態。
UVa 260 298 314 321 429 571 589 704 985 10047 10603 10653 10682 10923
10103 10704 10067
以 g(x) + h(x) 由小到大的順序建立狀態空間樹，並且 h(x) 小於等於真正的轉移成本（不高估），最先遇到的目標狀態，亦是 g(x)
最小的目標狀態。當 h(x) 估計的很精準，可以直接從起始狀態走到目標狀態，而不會到處閒逛。當 g(x) + h(x) 滿足三角不等式，時間複雜度可以達到 O(nd) 。
http://theory.stanford.edu/~amitp/GameProgramming/AStarComparison.html
http://cg2010studio.wordpress.com/2011/12/20/A 星搜尋演算法 -a-search-algorithm/
UVa 529 851 10073 10422 10798 11163 11376 10314
附帶一提， h(x) 與最短路徑問題的 reweighting 手法是等價的； h(x) 亦可公用，不侷限於特定的起始狀態和目標狀態，請參考「Point-to-Point Shortest
Path 」。
狀態空間樹建立暨搜尋演算法
Breadth-first Search（BFS） 忽視g(x)、h(x)，優先建立離起始狀態最近的狀態。適用於轉移成本是固定值。 Depth-first Search（DFS） 忽視g(x)、h(x)，優先建立離起始狀態最遠的狀態。適用於轉移成本是固定值。 Depth-limited Search（DLS）/ 過去稱作 Depth-first Branch-and-Bound（DFBnB） DFS的改良版本。限制建立的深度（或成本），當深度（或成本）太深就不再往下分枝衍生。 Iterative Deepening DFS（IDS） DLS的改良版本。反覆使用DLS，並逐次放寬深度限制。 若每次放寬的量極少時，可達到類似於BFS的功能。 Uniform-cost Search（UCS） g(x)由小到大建立。以BFS實作。 Best-first Search h(x)由小到大建立。以BFS實作。 Recursive Best-first Search（RBFS） h(x)由小到大建立。以IDS實作，逐步放寬h(x)的限制。 A* Search（A*） g(x)+h(x)由小到大建立。以BFS實作。 Iterative Deepening A* Search（IDA*） g(x)+h(x)由小到大建立。以IDS實作，逐步放寬g(x)+h(x)的限制。 若每次放寬的量極少時，可達到類似A*的功能。 Memory-bounded A* Search（MA*） / Simplified Memory-bounded A* Search（SMA*） 限制記憶體用量的A*。當queue全滿時，就從中刪除g(x)+h(x)最大的狀態。BFS 系列，效率通常較差； IDS 系列，效率通常較好。
假設狀態空間樹剛好是一棵二元樹，而目標狀態位於第 N 層的狀態。 BFS 搜尋的狀態數目是 (1+2+4+8+...+2^N) ， IDS 搜尋的狀態數目是 1 + (1+2) + (1+2+4) + ... + (1+2+4+8+...+2^N) ，大約是前者的兩倍。如果狀態空間樹是 K 元樹，則大約是前者的 K 倍。
儘管 BFS 搜尋的狀態數目比起 IDS 少了許多倍，然而 BFS 必須維護 priority queue ，還得 indexing ，因此 BFS 的執行速度通常比起 IDS 慢上許多，而且記憶體用量也大上許多。
狀態空間樹建立暨搜尋手段
Forward Search 正向搜尋 起始狀態建立狀態空間樹，從中搜尋目標狀態。 Backward Search 反向搜尋 目標狀態建立狀態空間樹，從中搜尋起始狀態。 Bidirectional Search 雙向搜尋 起始狀態、目標狀態分別建立狀態空間樹，搜尋共同狀態。 實作時，通常是輪流建立，一次建立一層，直到兩邊出現共同狀態。 Perimeter Search 周界搜尋 起始狀態建立狀態空間樹，儲存所有狀態，直到記憶體幾乎用光。 然後目標狀態建立狀態空間樹，直到出現儲存過的狀態。 實作時，通常起始狀態採用BFS，目標狀態則採用DFS、IDS、IDA*等節省計憶體的演算法。 Beam Search 柱狀搜尋 限制狀態空間樹每一層的狀態數目。當某一層抵達上限後，該層後來產生的狀態皆捨棄。
狀態空間樹建立暨搜尋技巧
branching
：由於狀態空間樹可以漫無止境的滋長，而電腦記憶體有限、人類時間有限，所以只好一邊走訪狀態空間樹，一邊衍生分支、建立狀態空間樹，走到哪，建到哪。pruning ：參照題目給定的特殊限制，裁剪狀態空間樹，去掉多餘子樹。好處是減少搜尋時間。
bounding ：搜尋時，隨時檢查目前的成本。目前成本太壞，就不再往深處搜尋；目前的成本足夠好，也不必往深處搜尋。好處是減少搜尋時間。
memoization ：紀錄所有遭遇到的狀態，避免狀態空間樹重複衍生相同狀態。當起始狀態固定不變時，亦可作為 lookup table 。當記憶體不足時，也可以只紀錄一部分的狀態。通常配合 bounding 使用，好處是減少搜尋時間。
indexing ：所有狀態進行編號，以數值、 tuple 、 bitset 等形式呈現，好處是方便 memoization 。當記憶體不足時，可以配合 hashing 達到壓縮功效。
UVa 233 10536 10941 690
Game Tree （ Under Construction! ）
程度★★ 難度★★
Game Tree
max層是從下層各個數字中取最大值所算出來的層 min層是從下層各個數字中取最小值所算出來的層 也有顛倒定義的。兩種都有人用。遊戲樹比狀態空間樹所算的東西還多。狀態空間樹每個節點的成本，是由樹根往樹葉方向慢慢推導出來的。遊戲樹除了要算狀態空間樹的成本之外，另外在回溯時還要再算 min 值（或 max 值）的結果──更詳細的說，遍歷到樹葉（勝負已定）並得到樹葉的成本之後，回溯時還要利用樹葉的成本算出樹上各個節點的 min 值（或 max 值）。
求最少步數的狀況下 先手贏了當然取min較好 先手在min層 可是要是先手輸了...先手得盡量拖步數...此時沒辦法取min...反而要取max 解決方法是 輸的時候的把步數設定成由很大的數字開始減少 例如N步是零步 N-1步是一步 取min時會先取到贏的步數，取不到贏的才會取到輸的步數
α-β Pruning
使用條件是遍歷時必須採用 DFS 。有兩部分 兩部分可獨立coding 1. 相鄰的兩層： (alpha pruning) 若這層是min，上層是max -> min層數字小於max層數字就沒意義 砍 coding時傳一個參數是上層的數字 一般稱alpha 2. 隔一層的兩層： (beta pruning) 若這層是max，上上層是max 搜這層時 其數字底限可由上上層目前之數字決定 大於上上層才會有機會更新上上層的數字 (同理上上...上上層也一樣，不過只要作到上上層就有連鎖效果了) 實際上沒砍到啥東西...但是配合alpha後就可以砍到東西 coding時傳一個參數是上上層的數字 一般稱beta
一層min一層max 不好coding 變成要寫兩個function 可以改成都是max 然後在算min層的的時候數字都先加負號 取min後再用負號還原 如此只要寫一個function
如果從葉子開始回溯時累加步數 就沒辦法用beta 而且也很難coding 從根往下走時就開始計步 世界就變得簡單些了
UVa 682 10111 10838
3 Jugs Problem
程度★ 難度★★
3 Jugs Problem
手邊有三個裝水的容器，容量由大到小分別是 X 公升、 Y 公升、 Z 公升，都沒有刻度。其中 X
公升的容器已經裝滿水了，問題是：如何將水在這三個容器中倒來倒去，使得其中一杯剛好有 C 公升的水？
資料結構
使用三個變數來記錄容器的容量，再使用三個變數來記錄容器中的水量。- int capacity[3] = {X, Y, Z};
- int water[3];
Initial State ：空容器
把三個容器裝水的情形視做一個狀態。一開始所有容器都是空的，沒有裝水。- struct State {int water[3];};
- State initial()
- {
- State s;
- s.water[0] = capacity[0];
- s.water[1] = 0;
- s.water[2] = 0;
- }
Goal State ：有一個容器裝了 C 公升的水量
- bool goal(State& s)
- {
- return s.water[0] == C || s.water[1] == C || s.water[2] == C;
- }
Successor Function ：把 A 容器的水倒入到 B 容器中
有兩種情形需要考慮。甲、 A 水量不夠、 B 剩餘容量太多，倒不滿 B ， A 沒有剩水；乙、 A 水量太多、 B 剩餘容量不夠， B 被倒滿， A
還有剩水。- void pour(State& s, int a, int b)
- {
- int w = min(s.water[a], capacity[b] – s.water[b]);
- s.water[a] -= w;
- s.water[b] += w;
- }
Cost
倒一次水算一個步驟，成本可定為一。
State Space ： Memoization 與空間複雜度
為了避免同樣的狀態循環不斷的發生，所以就把遭遇過的狀態給記錄下來。三個容器的水量只有可能是 0~X 公升、 0~Y 公升、 0~Z
公升，所以所有的狀態一共只有 (X+1)*(Y+1)*(Z+1) 個，可寫成 O(XYZ) 個。- // 假設三個容器都不超過100公升
- bool visit[100][100][100];
時間複雜度
一個狀態總共可以衍生出三種裝水後、三種倒水後、 C(3,2) 種相互裝倒水後的狀態，也就是說每一個狀態都需要衍生 O(3!) 次，所以時間複雜度一共是
O(XYZ * 3!) 。
程式碼（ BFS ）
這種寫法可以找到步驟數最小的答案。- bool visit[100][100][100];
- void BFS(State s = initial())
- {
- memset(visit, false, sizeof(visit));
- queue<State> Q;
- Q.push(s);
- while (!Q.empty())
- {
- State p = Q.front(); Q.pop();
- for (int i=0; i<3; ++i)
- for (int j=0; j<3; ++j)
- {
- State q = p;
- pour(q, i, j); // 把容器i的水倒入容器j
- if (visit[q.w[0]][q.w[1]][q.w[2]]) continue;
- visit[q.w[0]][q.w[1]][q.w[2]] = true;
- if (goal(q)) {cout << "量出了C公升"; return;}
- }
- }
- cout << "無法量出C公升";
- }
UVa 10603
Rat in a Maze
程度★ 難度★★
老鼠走迷宮
影片：http://www.youtube.com/watch?v=Ma8HCM3Z5Ic
老鼠很聰明，進入死胡同就會馬上回頭，不會傻傻的一直進入同一個死胡同。老鼠每一次重跑，都會越來越快。老鼠也會選擇看起來離乳酪比較近的路線。
一開始就已經背熟地圖，隨意找出一條路線。
老鼠走迷宮可以套用圖論的圖。如果從入口開始探索迷宮，每當探索到新地點，就表示已經找到一條路線能到達該地點──搜尋過的地點就不必再搜尋，因此能用 DFS 或
BFS 來尋找路徑，大可不必用 backtracking 窮舉所有排列來尋找路徑。實作的時候，不一定要用 adjacency matrix 或 adjacency lists 來儲存地圖，也不一定要替每個地點設定索引值，只需要懂得 DFS 和 BFS 的原理，依照原理來搜尋迷宮就可以了。
老鼠走迷宮也可以套用狀態空間搜尋。把老鼠的位置想做是狀態，建立狀態空間樹，再以狀態空間樹的遍歷演算法來尋找路徑，例如 DFS 或 BFS 。由於搜尋過的地點就不必再搜尋──狀態不必重複衍生，因此可以使用 memoization 避免重複衍生相同狀態。
無論是套用圖還是套用狀態空間搜尋，兩者的運作原理基本相同，只是以不同角度來解釋同一件事情而已。附帶一提，當要找出兩條以上的路線，套用圖就不太適合了，套用回溯法、或者套用狀態空間搜尋會比較適合。
大家的思緒應該開始攪亂了。直接來看程式碼吧，是以 DFS 遍歷狀態空間樹。由於原本的線條牆壁迷宮難以實作，不太適合初學者，所以這裡採用方塊牆壁迷宮，走一格當作是一步。
########
#
_________ # ### ##
__ __| # # #
| |____ | ---> # #### #
| __ |_| # # #
|____|____ # ## ###
# #
########
- const int dx[4] = {1, 0, -1, 0}; // 四種方向
- const int dy[4] = {0, 1, 0, -1}; // 記於陣列
- int X, Y; // 迷宮大小。是一個長方形迷宮。
- int sx, sy, tx, ty; // 入口座標與出口座標
- char maze[10][10]; // 迷宮
- bool visit[10][10]; // memoization
- int ans = -1; // 紀錄是否找到解
- // 老鼠座標仍在迷宮裡
- bool inmaze(int x, int y)
- {
- return x >= 0 && x < X && y >= 0 && y < Y;
- }
- // 老鼠座標與距離
- void DFS(int x, int y, int d)
- {
- // 到達出口？寫在這裡並不好，因為出口可能是牆，會誤判。
- // if (x == tx && y == ty) {ans = d; return;}
- // 走到迷宮外？
- if (!inmaze(x, y)) return;
- // 走進牆？
- if (maze[x][y] == '#') return;
- // 已經到過的地點、已經搜尋過的狀態？
- if (visit[x][y]) return;
- visit[x][y] = true; // memoization
- // 到達出口？寫在這裡較理想，此狀態已儲存。
- if (x == tx && y == ty) {ans = d; return;}
- // 老鼠可以往四種方向走
- // 如果把四種方向存入陣列，此處用一個迴圈就能搞定。
- for (int i=0; i<4; ++i)
- {
- DFS(x + dx[i], y + dy[i], d + 1);
- if (ans != -1) return; // 找到解答，馬上結束DFS。
- }
- }
- void rat_in_a_maze()
- {
- memset(visit, false, sizeof(visit));
- // 老鼠從入口開始走迷宮
- ans = -1;
- DFS(sx, sy, 0);
- if (ans == -1)
- // if (!visit[tx][ty])
- cout << "老鼠找不到出口。";
- else
- cout << "老鼠找到一條路徑，行走距離是：" << ans;
- }
- void DFS(int x, int y, int d)
- {
- for (int i=0; i<4; ++i)
- {
- // 將判斷式放在迴圈裡面，可以減少呼叫函式的次數。
- int nx = x + dx[i], ny = y + dy[i], nd = d + 1;
- if (!inmaze(nx, ny)) return;
- if (maze[nx][ny] == '#') return;
- if (visit[nx][ny]) return;
- visit[nx][ny] = true;
- if (nx == tx && ny == ty) {ans = nd; return;}
- DFS(nx, ny, nd);
- if (ans != -1) return;
- }
- }
- void rat_in_a_maze()
- {
- memset(visit, false, sizeof(visit));
- // 別忘記入口也是狀態，需要儲存。
- // 程式碼變得稍微亂一點。
- ans = -1;
- if (maze[sx][sy] != '#')
- {
- visit[sx][sy] = true;
- if (sx == tx && sy == ty)
- ans = 0;
- else
- DFS(sx, sy, 0);
- }
- if (ans == -1)
- // if (!visit[tx][ty])
- cout << "老鼠找不到出口。";
- else
- cout << "老鼠找到一條路徑，行走距離是：" << ans;
- }
把所有變量統統儲存到陣列，再用迴圈依序存取，是一個很好用的實作技巧，可以大幅簡化程式碼的規模。
前面的程式碼只求出了老鼠的行走距離。要印出老鼠走過的路線，可以運用 backtracking 的 solution vector 概念，新增一條陣列，隨時紀錄老鼠當下走出的路線。各位可以自行嘗試。
一開始就已經背熟地圖，找出最佳路線。
要找出最短路線，可以使用 BFS 遍歷狀態空間樹，先遇到的目標狀態，會是成本最小的目標狀態。- const int dx[4] = {1, 0, -1, 0}; // 四種方向
- const int dy[4] = {0, 1, 0, -1}; // 記於陣列
- int X, Y; // 迷宮大小。是一個長方形迷宮。
- int sx, sy, tx, ty; // 入口座標與出口座標
- char maze[10][10]; // 迷宮
- bool visit[10][10]; // memoization
- // BFS queue，狀態設定為老鼠座標，另外再儲存g(x)值。
- struct Node {int x, y, d;} q[10*10], *qf, *qb;
- // 老鼠座標仍在迷宮裡
- bool inmaze(int x, int y)
- {
- return x >= 0 && x < X && y >= 0 && y < Y;
- }
- int BFS()
- {
- memset(visit, false, sizeof(visit));
- qf = qb = q;
- // 把起始狀態放入queue
- Node s = {sx, sy, 0};
- *qb++ = s;
- while (qf < qb)
- {
- Node& a = *qf++; // 也可以不寫&，速度只慢一點點。
- for (int i=0; i<4; ++i)
- {
- // 狀態轉移
- int x = a.x + dx[i];
- int y = a.y + dy[i];
- int d = a.d + 1;
- if (!inmaze(x, y)) continue;
- if (maze[x][y] == '#') continue;
- if (visit[x][y]) continue;
- visit[x][y] = true;
- Node b = {x, y, d};
- *qb++ = b;
- if (x == tx && y == ty) return d;
- }
- }
- return 1e9;
- }
- void rat_in_a_maze()
- {
- int ans = BFS();
- if (ans == 1e9)
- cout << "老鼠找不到出口。";
- else
- cout << "老鼠找到一條路徑，行走距離是：" << ans;
- }
- // 將visit陣列改為dist紀錄距離，如此節點就變得更單純。
- int dist[10][10]; // memoization
- struct Node {int x, y;} q[10*10], *qf, *qb;
- // 功能像是define macro，簡化程式碼，視覺變清晰。
- // 也可以在開頭加上inline關鍵字，執行速度也許會快一點點。
- int& d(Node& n) {return dist[n.x][n.y];}
- char& m(Node& n) {return maze[n.x][n.y];}
- // 座標仍在迷宮裡
- bool inmaze(Node& n)
- {
- return n.x >= 0 && n.x < X && n.y >= 0 && n.y < Y;
- }
- int BFS()
- {
- memset(dist, -1, sizeof(dist));
- qf = qb = q;
- // 把起始狀態放入queue
- Node s = {sx, sy};
- d(s) = 0; // 設定距離
- *qb++ = s;
- while (qf < qb)
- {
- Node& a = *qf++;
- for (int i=0; i<4; ++i)
- {
- Node b = {a.x + dx[i], a.y + dy[i]};
- if (!inmaze(b)) continue;
- if (m(b) == '#') continue;
- if (d(b) != -1) continue;
- d(b) = d(a) + 1; // 設定距離
- *qb++ = b;
- if (b.x == tx && b.y == ty) return d(b);
- }
- }
- return 1e9;
- }
- int BFS()
- {
- memset(dist, -1, sizeof(dist));
- qf = qb = q;
- Node s = {sx, sy};
- d(s) = 0;
- *qb++ = s;
- while (qf < qb)
- {
- Node& a = *qf++;
- for (int i=0; i<4; ++i)
- {
- Node b = {a.x + dx[i], a.y + dy[i]};
- // 也可以把 continue 去掉，改為 if 式子。
- if (inmaze(b) && m(b) != '#' && d(b) == -1)
- {
- d(b) = d(a) + 1;
- *qb++ = b;
- if (b.x == tx && b.y == ty) return d(b);
- }
- }
- }
- return 1e9;
- }
- // 增加一個變數，紀錄狀態的來源。
- struct Node {int x, y; Node* p;} q[10*10], *qf, *qb;
- Node* BFS()
- {
- memset(dist, -1, sizeof(dist));
- qf = qb = q;
- Node s = {sx, sy, 0}; // 起始狀態的來源是NULL
- d(s) = 0;
- *qb++ = s;
- while (qf < qb)
- {
- Node& a = *qf++;
- for (int i=0; i<4; ++i)
- {
- // 來源設為a
- Node b = {a.x + dx[i], a.y + dy[i], &a};
- // Node b = {a.x + dx[i], a.y + dy[i], qf - 1};
- if (inmaze(b) && m(b) != '#' && d(b) == -1)
- {
- d(b) = d(a) + 1;
- *qb++ = b;
- if (b.x == tx && b.y == ty) return qb - 1;
- }
- }
- }
- return 0; // NULL
- }
- void rat_in_a_maze()
- {
- Node* n = BFS();
- if (!n)
- cout << "老鼠找不到出口。";
- else
- {
- cout << "老鼠找到一條路徑，行走距離是：" << n->d;
- cout << "老鼠行走的路徑是（反過來印）：";
- for (; n; n = n->p)
- cout << '(' << n->x << ',' << n->y << ')';
- }
- }
延伸閱讀：步伐儲存方式
西洋棋騎士。- int dir[8][2] =
- {
- {1,2}, {2,1}, {-1,2}, {-2,1},
- {-2,-1}, {-1,-2}, {1,-2}, {2,-1}
- };
- int dx[8] = {1, 2, -1, -2, -2, -1, 1, 2};
- int dy[8] = {2, 1, 2, 1, -1, -2, -2, -1};
UVa 10426 10463 10477 633
方塊滾動。- int dx[4] = {0, 0, -1, 1};
- int dy[4] = {-1, 1, 0, 0};
- int df[4] = {0, 1, 2, 3};
- // 方塊的六個面，分別是數字0到5。
- // 第一個維度是向上的方向，第二個維度是滾動的方向。
- int rotate[6][4] =
- {
- {0,0,3,1}, {5,4,0,2}, {2,2,1,3},
- {4,5,2,0}, {1,3,4,4}, {3,1,5,5}
- };
UVa 10021
一開始不知道地圖，第一次走，隨意找出一條路線。
此處就是要模擬老鼠的行為了，跟狀態空間搜尋沒有關係。以下介紹兩種走迷宮的智慧：
有一種走迷宮的方式，叫做右手原則。當迷宮的入口、出口都在外牆，而且迷宮裡面沒有環狀路線，此時只要用右手一直摸著牆走，一定可以走出迷宮。右手原則其實就是一種 DFS 。各位可以仔細觀察影片，說不定老鼠真的懂右手原則喔！
在迷宮上隨意框一塊區域，如果只剩一個以下開口，則不必走進去，因為一定出不來；如果仍有兩個以上開口，則可以考慮走進去，有可能走得出來，也可能走不出來。如果老鼠一開始知道迷宮大小，也知道自己行走的方向、走了幾步路，如此老鼠隨時可以推敲出自己是不是走入了一個沒有出口的區域。
各位應該也能設計出許多種走迷宮的智慧。如果有興趣，可以上網搜尋一些老鼠走迷宮的影片來研究。
一開始不知道地圖，再走幾次，逐次找出更佳路線。
如果老鼠記憶力很強，記得走過的地點（甚至是路），我們在實作時，就可以運用 memoization
，把搜尋過程中遭遇到的地點統統紀錄起來。老鼠的記憶力，就變成了電腦的記憶體。老鼠行動時，會有一定機率去探索未知的區域，並且會將探索結果記在腦海中。然而現實中，老鼠的記憶力有限，也就是電腦的記憶體有限，不能記得所有地點。想要模擬老鼠的記憶力，可以限制電腦的記憶體用量，當記憶體用罄時，就忘掉一些地點。例如 queue 、 hash table 都是不錯的選擇。
製造迷宮
http://daviddr.blogspot.com/2009/12/blog-post_10.html
8 Puzzle Problem
程度★★ 難度★★
8 Puzzle Problem
上下左右推動一個缺了一格的 3x3 方塊拼圖，讓它排列整齊。是小時候的回憶：http://www.permadi.com/java/puzzle8/
。
目前最常見的解決方法，便是將盤面化作「狀態」，直接使用 State Space Search
，所有狀態都搜一搜後就有答案。沒有花心思去想一些推動方塊的策略，而直接 Search ，感覺上挺隨便的。處理這個問題時，每塊方塊都標上數字編號，會更清楚一些。
15 Puzzle Problem
就是改為 4x4 啦！相關數學資料：http://mathworld.wolfram.com/15Puzzle.html
。
檢查不合理的盤面： Permutation Inversion
http://mathworld.wolfram.com/PermutationInversion.html
http://bal4u.dip.jp/mt/program/2006/05/uva-10181-15puzzle-problem-2.html
當一個盤面的 inversion 的個數是偶數的時候，表示該盤面可以從排列整齊的狀態，經過一連串推動而得；如果個數是奇數，則表示該盤面不合理、不可能存在。另外還要考慮空格的位於哪一列。此處省略原理說明。
- // 一個盤面。其數值1~8代表方塊號碼，0代表空格。
- int board[3][3] = {2, 3, 4, 1, 5, 0, 7, 6, 8};
- // 檢查 permutation inversion。檢查不通過，表示盤面不合理。
- bool check_permutation_inversion(int board[3][3])
- {
- int inversion = 0;
- for (int a=0; a<9; ++a)
- for (int b=0; b<a; ++b)
- {
- int i = a / 3, j = a % 3;
- int ii = b / 3, jj = b % 3;
- if (board[i][j] && board[ii][jj]
- && board[i][j] < board[ii][jj])
- inversion++;
- }
- int row_number_of_0 = 0;
- for (int i=0; i<3 && !row_number_of_0; ++i)
- for (int j=0; j<3 && !row_number_of_0; ++j)
- if (board[i][j] == 0)
- row_number_of_0 = i+1;
- return (inversion + row_number_of_0) % 2 == 0;
- }
heuristic function
這裡提供兩種不高估的方法，不高估的理由都很明顯：1. 不在正確位置上的方塊個數。 2. 每個方塊與其正確位置的 taxicab distance（Manhattan distance）的總和。
- // heuristic function，採用不在正確位置上的方塊個數。
- int h(int board[3][3])
- {
- int cost = 0;
- for (int i=0; i<3; ++i)
- for (int j=0; j<3; ++j)
- if (board[i][j])
- if (board[i][j] != i*3 + j + 1)
- cost++;
- return cost;
- }
- int taxicab_distance(int x1, int y1, int x2, int y2)
- {
- return abs(x1 - x2) + abs(y1 - y2);
- }
- // heuristic function，採用taxicab distance。
- int h(int board[3][3])
- {
- // 每塊方塊的正確位置。{0,0}是為了方便編寫程式而多加的。
- static const int right_pos[9][2] =
- {
- {0,0},
- {0,0}, {0,1}, {0,2},
- {1,0}, {1,1}, {1,2},
- {2,0}, {2,1}
- };
- // 計算每個方塊與其正確位置的 taxicab distance 的總和。
- int cost = 0;
- for (int i=0; i<3; ++i)
- for (int j=0; j<3; ++j)
- if (board[i][j])
- cost += taxicab_distance(
- i, j,
- right_pos[board[i][j]][0],
- right_pos[board[i][j]][1]
- );
- return cost;
- }
實做：使用 IDA*
- // 上下左右
- const string operator[4] = {"up", "down", "right", "left"};
- const int dx[4] = {-1, 1, 0, 0}, dy[4] = {0, 0, 1, -1};
- char solution[30]; // 正確的推動方式，其數值是方向0~3。
- // 用表格紀錄每一個方向的反方向。可用於避免來回推動的判斷。
- const int reverse_dir[4] = {1, 0, 3, 2};
- // 起始狀態。其數值1~8代表方塊號碼，0代表空格。
- int board[3][3] = {2, 3, 4, 1, 5, 0, 7, 6, 8};
- // 空格的位置。可馬上知道推動方塊的目的地。
- int sx = 1, sy = 2;
- bool onboard(int x, int y)
- {
- return x>=0 && x<3 && y>=0 && y<3;
- }
- int IDAstar(int x, int y, int gv, int prev_dir, int& bound, bool& ans)
- {
- int hv = h(board);
- if (gv + hv > bound) return gv + hv; // 超過，回傳下次的bound
- if (hv == 0) {ans = true; return gv;} // 找到最佳解
- int next_bound = 1e9;
- for (int i=0; i<4; ++i) // 四種推動方向
- {
- int nx = x + dx[i], ny = y + dy[i]; // 空格的新位置
- if (reverse_dir[i] == prev_dir) continue; // 避免來回推動
- if (!onboard(nx, ny)) continue; // 避免出界
- solution[gv] = oper[i]; // 紀錄推動方向
- swap(board[x][y], board[nx][ny]); // 推動
- int v = IDAstar(nx, ny, gv+1, i, bound, ans);
- if (ans) return v;
- next_bound = min(next_bound, v);
- swap(board[nx][ny], board[x][y]); // 回復原狀態
- }
- return next_bound;
- }
- void 8puzzle()
- {
- if (!check_permutation_inversion(board))
- {
- cout << "盤面不合理，無法解得答案。" << endl;
- return;
- }
- // IDA*
- bool ans = false;
- int bound = 0;
- while (!ans && bound <= 50)
- bound = IDAstar(sx, sy, 0, -1, bound, ans);
- if (!ans)
- {
- cout << "50步內無法解得答案。" << endl;
- return;
- }
- // 印出移動方法
- for (int i=0; i<bound; ++i)
- cout << operation[solution[i]] << ' ';
- cout << endl;
- }
其他
如果有需要一次計算大量的 8 Puzzle Problem
，那麼可以考慮從排列整齊的狀態當作起始狀態，建立狀態空間樹，並將搜尋過的狀態、路徑、成本都紀錄起來，存於表格當中，以後便可以從表格內直接找到各種盤面的答案，不需再計算。
UVa 652 10181 10085
No comments:
Post a Comment