我最近开始了人工智能的入门课程,并且我已经获得了在Python中实现可接受的启发式功能的任务,该功能通过A *搜索解决了15-Puzzle。
我实施了曼哈顿距离以及其他一些启发式算法。 Python代码运行得很好,算法实际上解决了这个问题,但我对曼哈顿距离启发式是否可以接受这个特定问题有一些疑问。
根据理论,如果从不 过高估计达到目标的成本,则启发式是可以接受的。这意味着启发式是乐观的,它返回的成本永远不会超过实际值。
当初始状态如下(0表示空槽)时:
1 2 3 4
0 6 7 8
5 9 10 12
13 14 11 15
我的程序通过5次移动解决了问题,但每个放错位置的瓦片的曼哈顿距离之和等于10,这是实际成本的两倍。因此,实际成本远低于估计成本。这是否意味着启发式不可接受或我的逻辑有什么问题?
我考虑过只计算空座的曼哈顿距离,但是当空块位于正确位置但其他瓷砖放错位置时,这会导致估计成本为零的州。
答案 0 :(得分:6)
Manhattan Distance启发式是可以接受的,因为它独立地考虑了每个区块(而事实上区块互相干扰)。所以它很乐观。
在您的示例中,距离所有图块的目标位置的距离之和为5(图块5,9,10,11,15每个需要一次移动)。