پازل N

سلام بچه ها
من باید برنامه پازل n رو با الگوریتمهای مختلف بنویسم(bfs,dfs,a*,idf,...)
ولی مشکلم اینجاست که اصلا نمی دونم چه استراتژی برای جست و جو داشته باشم
مثلا برای مسئله nqueen در حالت افزایشی یکی یکی q ها رو اضافه می کردیم ، تو هر سطر یکی می ذاشتیم و تو حالتای ضربدری چک می کردیم
ولی این رو نمی دونم چه جوری حل کنم
اگر راهنمایی کنید ممنون میشم

واسه دوستانی که ممکنه ندونند npuzzle چیه توضیح می دم این قسمت رو:
یه پازل داریم با N تا خونه مثلا تو حالت n=9 یه پازل 3*3 داریم تو خونه ها اعداد 1و8 رو به صورت نا مرتب داریم و یه خونه خالی
که این برنامه باید خودش خونه ها رو مرتب کنه
و ترتیب اعمالی رو که انجام داده بده:41:

سلام

ببین اینجوری میشه؟

پازل رو یه ماتریس در نظر بگیر

تمام سطر هارو مرتب کن
بعد تمام ستونهارو مرتب کن
عنصر آخر هر سطر رو با عنصر اول سطر بعدی مقایسه کن
اگه کوچیک بود سطر بالایی مرتب شده
اگه نه جای این عنصر ها رو عوض کن
اه واسه همه سطر ها شرط بالا درست بود ماتریست مرتبه
ای کارو واسه سطر های پایین هم انجام بده
بعد دوباره
تمام سطر هارو مرتب کن
و تمام ستونهارو مرتب کن

یا اینکه میتونی از اول هر عدد رو برداری ببری سر جاش بذاری وقتی به n/2 +1 عضو رسیدی ماتریست مرتبه

امتاحانش کن هر دو روشو

موفق باشی

نه دیگه اینا نمیشه
اگه این بازی رو انجام داده باشی
می بینی که با توجه به خونه خالی حرکاتی که می تونی انجام بدی خیلی محدوده
یعنی همیشه بین 2-4 حرکت فقط وجود داره واسه انتخاب
بچه ها خیلی فوریه لطفا کمک

اینارو واسه 8puzzle توضیح می دهم.
ببین شما state فعلیت یه حالت رندومه. اگه خونه وسطی خالی باشه، چهار تا حرکت می تونید انجام بدید.
[ برای مشاهده لینک ، با نام کاربری خود وارد شوید یا ثبت نام کنید ]
اگه مثلاً خونه پایین سمت راست خالی باشه دو حرکت قابل انجامه.
[ برای مشاهده لینک ، با نام کاربری خود وارد شوید یا ثبت نام کنید ]
پس شما به یک تابع نیاز دارید که بتونه حالت های بعدی حالت فعلی رو به دست بیاره. اسم این تابع رو می گذاریم succ (مخفف successor یا بعدی)
این تابع اینجوری اجرا میشه که حالت فعلی و می گیری و حالت بعدی رو می ده (این تابع توی همه این الگوریتم هایی که شما قصد پیاده سازیش رو دارید مشترکه)

کد:

---

states[] succ(state current);

---

البته ساختمان داده State چیزی نیست جز یه آرایه دو بعدی (یا حتی یک بعدی)
خوب! حالا که اینو داریم ما می آیم و استراتژی های جستجو رو که توی کتاب هوش مصنوعی هست و می نویسیم.
مثلاً واسه A* باید از یک تابع heuristic استفاده کنیم (فاصله منهتن یا فاصله قطری ...)
این تابع یه همچین شکلی داره:

کد:

---

int Heuristic(State state);

---

خوب! حالا تابعای اصلی رو داری.
می آی از حالت اولیه شروع می کنی و همه همسایه هاشو بوسیله Succ به دست می آری. بعدش می آی و روی اون همسایه ها تابع Heuristic رو اجرا می کنی و واسه هر کدوم یه امتیاز به دست می آری. حالا از بین حالات همسایه هر کدوم که امتیاز بهتری رو داره (توی A* باید امتیاز Heuristic رو با path طی شده جمع کرد) رو انتخاب و دوباره همون کار بالا رو روش انجام می دی.

در نتیجه این جستجوی A* یه جورایی هوشمند هست (البته نه خیلی)

bfs و dfs هم که هیچی! فقط همسایه هارو با Succ تولید می کنی و اونا رو با یه ترتیبی (بسته به اینکه سطح اولند یا عمق اول) پیمایش می کنی. پیمایش هم یعنی اینکه Succ رو رو این حالات همسایه به دست آمده اجرا می کنیم و بررسی مکی کنیم که آیا به حالت هدف رسیده ایم؟ یعنی به حالت زیر:
[ برای مشاهده لینک ، با نام کاربری خود وارد شوید یا ثبت نام کنید ]
هر وقت هم به حالت هدف رسیدید، درخت جستجو را تا بالا پیمایسش می کنید تا ترتیب حرکت ها رو به دست بیاری.
همین!

idf هم که همون dfs هست که اونو محدود می کنیم به یه عمق خاص (تا اونجایی که یادم باشه)!

خیلی ساده هست. حتما میتونی تو زمان کمی انجام بدی. این دوستمون hamidreza_buddy هم توضیحات بالارو از این سایت آورده و البته به خوبی توضیح داده:

کد:

---

http://www.8puzzle.com/8_puzzle_algorithm.html

---

که الگوریتمش هم اونجاست. سورس کدش هم رو اینترنت هست که البته ندونی کجاست بهتره تا خودت انجام بدی و یه چیزی یاد بگیری.

راهنمایی: مساله رو به Maze تبدیل کن. Maze همون بازی بود که از یک نقطه به یک نقطه دیگه باید بری تو یک مسیر مارپیچ. خونه خالی رو فرض کن که باید تکون بدی تا برسه به مرکز که اطرافش خونه های مرتب شده puzzle هست. برای ثبت حرکات هم از یک counter استفاده کن. طول counter هم برابر با 2 به توان n هست که n تعداد خونه های puzzle هست که میشه 9 برای یک puzzle با سایز 3x3. هر بار که counter یکی میره بالا در واقع یک حرکت جدید رو امتحان کردی. تقریبا حل شد!

سلام دوست من ،( اول از همه از اینکه وقت گذاشتین خیلی ممنون)
خب اینا همه درست
ولی مشکل من اینجاست که مثلا تو حالت bfs که باید جست و جوی اول سطح داشته باشیم
چه جوری درخت رو تشکیل بدیم؟
مثلا سطح اول (با فرض وسط بودن خونه خالی) یه بار به راست ، یه بار به چپ، یه بار به پایین و یه بار به بالا می ریم
خب تو سطح دو چکار کنیم؟
اونی که سطح اول به راست رفته از کجا بفهمیم که سطح دوم کدوم طرفی حرکت کنه؟
این کار رو باید رندوم انجام بدیم؟
اگر فرضا واسه حالتای bfs و dfs این کار رو رندوم انجام بدیم تو حالت a* که حالت آگاهانه رو داریم باید چکار کنیم؟!

ببینید درخت جستجو تقریباً یه چیزه مجازیه!
یعنی شما واقعاً یه درخت نمی سازید
بلکه با فراخوانی های بازگشتی برنامه شما حالت یک درخت می گیره. مثلاً شما یه تابع به اسم Solve می نویسی که ورودیش یه حالته.
سپس توی مثلاً bfs دوباره اون رو روی همسایه های اجرا می کنی که در نتیجه یه درخت حالت به وجود می آد:

شبه کد:

کد:

---

SolveBFS(State current)
{ 
  State[] hamsaye = Succ(current);
  for(int i=0;i<hamsaye.length;i++)
  {
      if( Goal(hamsaye[i]) )
          return current;
   
  }

  for(int i=0;i<hamsaye.length;i++)
  {     
      SolveBFS( Hamsaye[i] );
  }
}

---

یا مثلاً DFS:

کد:

---

SolveDFS(State current)
{ 
  if( Goal(current) )
          return current;
  State[] hamsaye = Succ(current);
  for(int i=0;i<hamsaye.length;i++)
  {   
      SolveDFS( Hamsaye[i] );
  }
 
}

---

یا مثلاً A*:

کد:

---

SolveAStar(State current, int path)
{ 
  if( Goal(current) )
          return current;
  State[] hamsaye = Succ(current);
  Fringe.Add(hamsaye);
 
  maxH = Fringe.MaxHeuristic();
  SolveAStar(MaxHeuristic, path+1);   
}

---

می بینید که ساختمان داده درخت نداریم ولی فراخوانی بازگشتی توابع به صورت درخت است.

نقل قول:

---

نوشته شده توسط hamidreza_buddy [ برای مشاهده لینک ، با نام کاربری خود وارد شوید یا ثبت نام کنید ]

ببینید درخت جستجو تقریباً یه چیزه مجازیه!
یعنی شما واقعاً یه درخت نمی سازید
بلکه با فراخوانی های بازگشتی برنامه شما حالت یک درخت می گیره. مثلاً شما یه تابع به اسم Solve می نویسی که ورودیش یه حالته.
سپس توی مثلاً bfs دوباره اون رو روی همسایه های اجرا می کنی که در نتیجه یه درخت حالت به وجود می آد:

شبه کد:

کد:

---

SolveBFS(State current)
{ 
  State[] hamsaye = Succ(current);
  for(int i=0;i<hamsaye.length;i++)
  {
      if( Goal(hamsaye[i]) )
          return current;
 
  }
 
  for(int i=0;i<hamsaye.length;i++)
  {     
      SolveBFS( Hamsaye[i] );
  }
}

---

یا مثلاً DFS:

کد:

---

SolveDFS(State current)
{ 
  if( Goal(current) )
          return current;
  State[] hamsaye = Succ(current);
  for(int i=0;i<hamsaye.length;i++)
  {   
      SolveDFS( Hamsaye[i] );
  }
 
}

---

یا مثلاً A*:

کد:

---

SolveAStar(State current, int path)
{ 
  if( Goal(current) )
          return current;
  State[] hamsaye = Succ(current);
  Fringe.Add(hamsaye);
 
  maxH = Fringe.MaxHeuristic();
  SolveAStar(MaxHeuristic, path+1);   
}

---

می بینید که ساختمان داده درخت نداریم ولی فراخوانی بازگشتی توابع به صورت درخت است.

---

سلام دوست من
از راهنمایی تون واقعا ممنون
من برنامه bfs رو نوشتم
خطا نداره ، بعضی اوقاتم جواب می ده
ولی به نظر خودم کاملا درست کار نمی کنه
اگه ممکنه یه نگا بندازین:20:

کد:

---

http://fateme66.persiangig.ir/project/puz.rar

---

سلام
من متاسفانه کامپایلر ندارم
اگه خطا نداره که هیچی
ولی اگه جواب نمی ده عجیب نیست
چون پازل های N-PUZZLE همیشه به دو فضای حالت قابل حل و غیر قابل حل تقسیم می شوند. یعنی برای نصف حالت ها «به هیچ وجه» نمیشه به حالت هدف رسید.

همچنین برای اون نصفی که میشه رسید، عمق درخت جستجو می تونه تا 24 (یعنی 24 حرکت) برسه. که فضای جستجو به صورت نمایی زیاد می شه . یعنی اگر هر حالت فقط دو حالت همسایه داشته باشد (که اینطور نیست و بعضی ها سه یا چهار حالت همسایه دارند)، 2 به توان 24 می شود خیلی!!! یعنی اصلاً شما برای اینکار هم حافظه و هم قدرت پردازش کم می آورید.
در نتیجه bfs «در تئوری» برای همه حالات «قابل حل» جواب به دست می آورد ولی «در عمل» برای تعداد خیلی محدودی از اون نصف حالات قابل حل می تونه کار کنه. مثلاً برای اونایی که عمقشون 6-7 باشه (6-7 حرکت لازم داشته باشن تا برسن به حالت هدف).

برای همینه که از روش های هوشمند مثل A* استفاده می شه. چون این روش ها فضای جستجو رو به میزان بسیار زیادی محدود می کنند و در نتیجه سرعت جستجو خیلی خیلی بالاتر می ره (البته A* مشکل حافظه داره و نه قدرت پردازش). یعنی بعد از مدتی حافظه رو پر می کنه. البته توی کتاب هوش مصنوعی راسل روش هایی برای حل این مشکل ارائه شده مثل ids و ...