Performance 曼哈顿距离启发式A*算法
我一直在用C语言编写一个15个谜题的求解器。我的代码使用了大量内存，因此我遇到了一些问题 我不会发布我的代码，因为它太长了。。。我已经实现了我正在使用的大多数库，它可能只会给您带来困惑。让我们从基础开始 我现在使用的东西是：（所有这些都是用C实现的） -斐波那契堆：Performance 曼哈顿距离启发式A*算法,performance,artificial-intelligence,a-star,heuristics,memory-efficient,Performance,Artificial Intelligence,A Star,Heuristics,Memory Efficient,我一直在用C语言编写一个15个谜题的求解器。我的代码使用了大量内存，因此我遇到了一些问题 我不会发布我的代码，因为它太长了。。。我已经实现了我正在使用的大多数库，它可能只会给您带来困惑。让我们从基础开始 我现在使用的东西是：（所有这些都是用C实现的） -斐波那契堆： /* Struct for the Fibonacci Heap */ typedef struct _fiboheap { int size; // Number of nodes in the he
/* Struct for the Fibonacci Heap */
typedef struct _fiboheap {
int size; // Number of nodes in the heap
node min; // Pointer to the minimun element in the Heap
funCompare compare; // Function to compare within nodes in the heap
freeFunction freeFun;// Function for freeing nodes in the heap
} *fiboheap;
/* Struct of a Fibonacci Heap Node */
typedef struct _node {
node parent; // Pointer to the node parent
node child; // Pointer to the child node
node left; // Pointer to the right sibling
node right; // Pointer to the left sibling
int degree; // Degree of the node
int mark; // Mark
void *key; // Value of the node (Here is the element)
} *node;
/* Struct for the 15-puzzle States Representation */
typedef struct _state {
unsigned int quad_1; /* This int represent the first 8 numbers */
unsigned int quad_2; /* This int represent the last 8 numbers */
unsigned short zero; /* This is the position of the zero */
} *state;
typedef struct nodo_struct {
nodo parent; // Pointer to the parent of the node
state estado; // State associated with the node
unsigned int g : 8; // Cost of the node
action a; // Action by which we arrived to this node
// If null, it means that this is the initial node
} *nodo;
a_star(state initial_state) {
q = new_fibo_heap; // Sorted by (Cost g) + (Manhattan Distance)
// It will have nodes which contain a pointer to the state
q.push(make_root_node(initial_state));
closed = new_hash_table();
while (!q.empty()) {
n = q.pop();
if ((n->state ∉ closed) || (n->g < dist(n->state))) {
/* The dist used above is stored in the hash table as well */
closed.insert(n->state);
dist(n->state) = n->g; // Update the hash table
if (is_goal(n->state)) {
return extract_solution(n); // Go through parents, return the path
}
for <a,s> ∈ successors(n->state) {
// 'a' is the action, It can be 'l', 'r', 'u', 'd'
// 's' is the state that is a successor of n
if (manhattan(s) < Infinity) {
q.push(make_node(n,a,s));
// Assuming that manhattan is safe
}
}
}
}
return NULL;
}
a_星（状态初始状态）{
q=new_fibo_heap；//按（成本g）+（曼哈顿距离）排序
//它将具有包含指向状态指针的节点
q、 推送（生成根节点（初始状态））；
closed=新的散列表（）；
而（！q.empty（））{
n=q.pop（）；
如果（（n）->状态∉ 关闭）| |（n->gstate））{
/*上面使用的dist也存储在哈希表中*/
关闭。插入（n->状态）；
dist（n->state）=n->g；//更新哈希表
如果（是_目标（n->state））{
return extract_solution（n）；//遍历父级，返回路径
}
对于∈ 继任者（n->state）{
//“a”是动作，可以是“l”、“r”、“u”、“d”
//“s”是n的继承者所在的州
如果（曼哈顿<无限）{
q、 push（生成节点（n，a，s））；
//假设曼哈顿是安全的
}
}
}
}
返回NULL；
}
（PD：抱歉发了这么长的帖子）你这样做是为了作业还是为了好玩 如果是为了好玩，那么不要用A*，用IDA*。IDA*将更快，而且几乎不使用内存。此外，您可以使用额外的内存来构建更好的启发式，并获得更好的性能。（如果你用谷歌搜索“模式数据库”，你会发现足够的信息。这是乔纳森·谢弗（Jonathan Schaeffer）和乔·卡尔伯森（Joe Culberson）发明的，但里奇·科夫（Rich Korf）和阿里尔·费尔纳（Ariel Felner）对其进行了详细研究。） IDA*有一些缺点，并不适用于所有领域，但它非常适合于滑动瓷砖拼图 另一个可能有用的算法是。本文和其他文章讨论了如何避免完全存储封闭列表 基本上，很多聪明人以前都解决过这个问题，他们已经公布了他们的方法/结果，所以你可以向他们学习 以下是一些提高A*的技巧：
- 我发现Fibonacci堆并没有带来多少速度提升，所以您可能希望使用更简单的数据结构。（尽管自上次尝试以来，可用的实现可能有所改进。）
- 节点的f成本将以2的增量跳跃。因此，您可以将f-cost存储起来，只需将项目排序到同一f-cost层中即可。FIFO队列实际上工作得很好
- 您可以使用中的思想将15个拼图表示转换为一个排列，完整表示大约需要43位。但是，扩展状态会变得更加昂贵，因为必须转换为不同的表示才能生成移动
- 避免使用禁止的运算符完全存储已关闭的列表。（有关更多详细信息，请参阅上一篇广度优先启发式搜索文章或上一篇文章。）