一致代价搜索(UCS)的原理和代码实现

2024-02-28 06:08

本文主要是介绍一致代价搜索(UCS)的原理和代码实现,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

一:基本原理

        一致代价搜索是在广度优先搜索上进行扩展的,也被成为代价一致搜索,他的基本原理是:一致代价搜索总是扩展路径消耗最小的节点N。N点的路径消耗等于前一节点N-1的路径消耗加上N-1到N节点的路径消耗。

        图的一致性代价搜索使用了优先级队列并在边缘中的状态发现更小代价的路径时引入的额外的检查。边缘的数据结构需要支持有效的成员校测,这样它就结合了优先级队列和哈希表的能力。

我们以前在高级人工智能第一篇讲无信息搜索的文章中(https://blog.csdn.net/Suyebiubiu/article/details/100738725),有一个例子是有名的罗马尼亚的旅行问题。我们这次可以尝试着用一致代价搜索方式进行解决这个问题。

我们想要从Arad到达Bucharest,姑且认为是A和B两个位置,我们想要使用一致代价搜索方式

  • 1.根据上图创建一个搜索树,以A为初始状态,B为目标状态
  • 2.实现代价一致搜索的图搜索算法并记录搜索路径

二:算法实现流程

frontier:边缘。存储未扩展的节点。优先级队列,按路径消耗来排列
explored:探索集。存储的是状态


2.1 流程分析:

1.如果边缘为空,则返回失败。操作:EMPTY?(frontier)
2.否则从边缘中选择一个叶子节点。操作:POP(frontier)
3.目标测试:通过返回,否则将叶子节点的状态放在探索集
4.遍历叶子节点的所有动作

  • 每个动作产生子节点
  • 如果子节点的状态不在探索集或者边缘,则插入到边缘集合。操作:INSERT(child, frontier)
  • 否则如果边缘集合中如果存在此状态且有更高的路径消耗,则用子节点替代边缘集合中的状态
     

A是起点,C是终点。

2.2 一致代价搜索算法执行:

  • A放入frontier
  • ---第1次
  • 从frontier中取出A(此时路径消耗最小)检测发现不是目标
  • A放入explored
  • 遍历A的子节点,D和B放入frontier
  • ---第2次
  • 从frontier中取出D(此时路径消耗最小)检测发现不是目标
  • D放入explored
  • 遍历D的子节点,C放入frontier
  • ---第3次
  • 从frontier中取出B(此时路径消耗最小)检测发现不是目标
  • B放入explored
  • 遍历B的子节点,E放入frontier
  • ---第4次
  • 从frontier中取出E(此时路径消耗最小)检测发现不是目标
  • E放入explored
  • 遍历E的子节点,C准备放入frontier,发现此时frontier已有C,但路径消耗为8大于7,则替代frontier中的C
  • ---第5次
  • 从frontier中取出C(此时路径消耗最小)检测发现是目标,成功
  • 最优路径:A->B->E->C
     

从上例可以看出,一致代价搜索具有最优性,关键在于frontier中存储是按路径消耗顺序来排序的。

2.3 算法性能分析:

2.3.1:分析一致代价搜索的完备性、最优性、时间和空间复杂度

2.3.2:指出无信息搜索策略和有信息搜索策略的不同

2.3.3:分析一致代价搜索如何保证算法的最优性

三:源代码分析

import pandas as pd
from pandas import Series, DataFrame# 城市信息:city1 city2 path_cost
_city_info = None# 按照路径消耗进行排序的FIFO,低路径消耗在前面
_frontier_priority = []# 节点数据结构
class Node:def __init__(self, state, parent, action, path_cost):self.state = stateself.parent = parentself.action = actionself.path_cost = path_costdef main():global _city_infoimport_city_info()while True:src_city = input('输入初始城市\n')dst_city = input('输入目的城市\n')# result = breadth_first_search(src_city, dst_city)result = uniform_cost_search(src_city, dst_city)if not result:print('从城市: %s 到城市 %s 查找失败' % (src_city, dst_city))else:print('从城市: %s 到城市 %s 查找成功' % (src_city, dst_city))path = []while True:path.append(result.state)if result.parent is None:breakresult = result.parentsize = len(path)for i in range(size):if i < size - 1:print('%s->' % path.pop(), end='')else:print(path.pop())def import_city_info():global _city_infodata = [{'city1': 'Oradea', 'city2': 'Zerind', 'path_cost': 71},{'city1': 'Oradea', 'city2': 'Sibiu', 'path_cost': 151},{'city1': 'Zerind', 'city2': 'Arad', 'path_cost': 75},{'city1': 'Arad', 'city2': 'Sibiu', 'path_cost': 140},{'city1': 'Arad', 'city2': 'Timisoara', 'path_cost': 118},{'city1': 'Timisoara', 'city2': 'Lugoj', 'path_cost': 111},{'city1': 'Lugoj', 'city2': 'Mehadia', 'path_cost': 70},{'city1': 'Mehadia', 'city2': 'Drobeta', 'path_cost': 75},{'city1': 'Drobeta', 'city2': 'Craiova', 'path_cost': 120},{'city1': 'Sibiu', 'city2': 'Fagaras', 'path_cost': 99},{'city1': 'Sibiu', 'city2': 'Rimnicu Vilcea', 'path_cost': 80},{'city1': 'Rimnicu Vilcea', 'city2': 'Craiova', 'path_cost': 146},{'city1': 'Rimnicu Vilcea', 'city2': 'Pitesti', 'path_cost': 97},{'city1': 'Craiova', 'city2': 'Pitesti', 'path_cost': 138},{'city1': 'Fagaras', 'city2': 'Bucharest', 'path_cost': 211},{'city1': 'Pitesti', 'city2': 'Bucharest', 'path_cost': 101},{'city1': 'Bucharest', 'city2': 'Giurgiu', 'path_cost': 90},{'city1': 'Bucharest', 'city2': 'Urziceni', 'path_cost': 85},{'city1': 'Urziceni', 'city2': 'Vaslui', 'path_cost': 142},{'city1': 'Urziceni', 'city2': 'Hirsova', 'path_cost': 98},{'city1': 'Neamt', 'city2': 'Iasi', 'path_cost': 87},{'city1': 'Iasi', 'city2': 'Vaslui', 'path_cost': 92},{'city1': 'Hirsova', 'city2': 'Eforie', 'path_cost': 86}]_city_info = DataFrame(data, columns=['city1', 'city2', 'path_cost'])# print(_city_info)def breadth_first_search(src_state, dst_state):global _city_infonode = Node(src_state, None, None, 0)# 目标测试if node.state == dst_state:return nodefrontier = [node]explored = []while True:if len(frontier) == 0:return Falsenode = frontier.pop(0)explored.append(node.state)if node.parent is not None:print('处理城市节点:%s\t父节点:%s\t路径损失为:%d' % (node.state, node.parent.state, node.path_cost))else:print('处理城市节点:%s\t父节点:%s\t路径损失为:%d' % (node.state, None, node.path_cost))# 遍历子节点for i in range(len(_city_info)):dst_city = ''if _city_info['city1'][i] == node.state:dst_city = _city_info['city2'][i]elif _city_info['city2'][i] == node.state:dst_city = _city_info['city1'][i]if dst_city == '':continuechild = Node(dst_city, node, 'go', node.path_cost + _city_info['path_cost'][i])print('\t孩子节点:%s 路径损失为%d' % (child.state, child.path_cost))if child.state not in explored and not is_node_in_frontier(frontier, child):# 目标测试if child.state == dst_state:print('\t\t 这个孩子节点就是目的城市')return childfrontier.append(child)print('\t\t 添加孩子节点到这个孩子')def is_node_in_frontier(frontier, node):for x in frontier:if node.state == x.state:return Truereturn Falsedef uniform_cost_search(src_state, dst_state):global _city_info, _frontier_prioritynode = Node(src_state, None, None, 0)frontier_priority_add(node)explored = []while True:if len(_frontier_priority) == 0:return Falsenode = _frontier_priority.pop(0)if node.parent is not None:print('处理城市节点:%s\t父节点:%s\t路径损失为:%d' % (node.state, node.parent.state, node.path_cost))else:print('处理城市节点:%s\t父节点:%s\t路径损失为:%d' % (node.state, None, node.path_cost))# 目标测试if node.state == dst_state:print('\t 目的地已经找到了')return nodeexplored.append(node.state)# 遍历子节点for i in range(len(_city_info)):dst_city = ''if _city_info['city1'][i] == node.state:dst_city = _city_info['city2'][i]elif _city_info['city2'][i] == node.state:dst_city = _city_info['city1'][i]if dst_city == '':continuechild = Node(dst_city, node, 'go', node.path_cost + _city_info['path_cost'][i])print('\t孩子节点:%s 路径损失为:%d' % (child.state, child.path_cost))if child.state not in explored and not is_node_in_frontier(_frontier_priority, child):frontier_priority_add(child)print('\t\t 添加孩子到优先队列')elif is_node_in_frontier(_frontier_priority, child):# 替代为路径消耗少的节点frontier_priority_replace_by_priority(child)def frontier_priority_add(node):""":param Node node::return:"""global _frontier_prioritysize = len(_frontier_priority)for i in range(size):if node.path_cost < _frontier_priority[i].path_cost:_frontier_priority.insert(i, node)return_frontier_priority.append(node)def frontier_priority_replace_by_priority(node):""":param Node node::return:"""global _frontier_prioritysize = len(_frontier_priority)for i in range(size):if _frontier_priority[i].state == node.state and _frontier_priority[i].path_cost > node.path_cost:print('\t\t 替换状态: %s 旧的损失:%d 新的损失:%d' % (node.state, _frontier_priority[i].path_cost,node.path_cost))_frontier_priority[i] = nodereturnif __name__ == '__main__':main()

四:运行结果

输入初始城市
Arad
输入目的城市
Bucharest
处理城市节点:Arad	父节点:None	路径损失为:0孩子节点:Zerind 路径损失为:75添加孩子到优先队列孩子节点:Sibiu 路径损失为:140添加孩子到优先队列孩子节点:Timisoara 路径损失为:118添加孩子到优先队列
处理城市节点:Zerind	父节点:Arad	路径损失为:75孩子节点:Oradea 路径损失为:146添加孩子到优先队列孩子节点:Arad 路径损失为:150
处理城市节点:Timisoara	父节点:Arad	路径损失为:118孩子节点:Arad 路径损失为:236孩子节点:Lugoj 路径损失为:229添加孩子到优先队列
处理城市节点:Sibiu	父节点:Arad	路径损失为:140孩子节点:Oradea 路径损失为:291孩子节点:Arad 路径损失为:280孩子节点:Fagaras 路径损失为:239添加孩子到优先队列孩子节点:Rimnicu Vilcea 路径损失为:220添加孩子到优先队列
处理城市节点:Oradea	父节点:Zerind	路径损失为:146孩子节点:Zerind 路径损失为:217孩子节点:Sibiu 路径损失为:297
处理城市节点:Rimnicu Vilcea	父节点:Sibiu	路径损失为:220孩子节点:Sibiu 路径损失为:300孩子节点:Craiova 路径损失为:366添加孩子到优先队列孩子节点:Pitesti 路径损失为:317添加孩子到优先队列
处理城市节点:Lugoj	父节点:Timisoara	路径损失为:229孩子节点:Timisoara 路径损失为:340孩子节点:Mehadia 路径损失为:299添加孩子到优先队列
处理城市节点:Fagaras	父节点:Sibiu	路径损失为:239孩子节点:Sibiu 路径损失为:338孩子节点:Bucharest 路径损失为:450添加孩子到优先队列
处理城市节点:Mehadia	父节点:Lugoj	路径损失为:299孩子节点:Lugoj 路径损失为:369孩子节点:Drobeta 路径损失为:374添加孩子到优先队列
处理城市节点:Pitesti	父节点:Rimnicu Vilcea	路径损失为:317孩子节点:Rimnicu Vilcea 路径损失为:414孩子节点:Craiova 路径损失为:455孩子节点:Bucharest 路径损失为:418替换状态: Bucharest 旧的损失:450 新的损失:418
处理城市节点:Craiova	父节点:Rimnicu Vilcea	路径损失为:366孩子节点:Drobeta 路径损失为:486孩子节点:Rimnicu Vilcea 路径损失为:512孩子节点:Pitesti 路径损失为:504
处理城市节点:Drobeta	父节点:Mehadia	路径损失为:374孩子节点:Mehadia 路径损失为:449孩子节点:Craiova 路径损失为:494
处理城市节点:Bucharest	父节点:Pitesti	路径损失为:418目的地已经找到了
从城市: Arad 到城市 Bucharest 查找成功
Arad->Sibiu->Rimnicu Vilcea->Pitesti->Bucharest

五:结果说明

 

 

这篇关于一致代价搜索(UCS)的原理和代码实现的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/754590

相关文章

SpringBoot3实现Gzip压缩优化的技术指南

《SpringBoot3实现Gzip压缩优化的技术指南》随着Web应用的用户量和数据量增加,网络带宽和页面加载速度逐渐成为瓶颈,为了减少数据传输量,提高用户体验,我们可以使用Gzip压缩HTTP响应,... 目录1、简述2、配置2.1 添加依赖2.2 配置 Gzip 压缩3、服务端应用4、前端应用4.1 N

Java编译生成多个.class文件的原理和作用

《Java编译生成多个.class文件的原理和作用》作为一名经验丰富的开发者,在Java项目中执行编译后,可能会发现一个.java源文件有时会产生多个.class文件,从技术实现层面详细剖析这一现象... 目录一、内部类机制与.class文件生成成员内部类(常规内部类)局部内部类(方法内部类)匿名内部类二、

SpringBoot实现数据库读写分离的3种方法小结

《SpringBoot实现数据库读写分离的3种方法小结》为了提高系统的读写性能和可用性,读写分离是一种经典的数据库架构模式,在SpringBoot应用中,有多种方式可以实现数据库读写分离,本文将介绍三... 目录一、数据库读写分离概述二、方案一:基于AbstractRoutingDataSource实现动态

Python FastAPI+Celery+RabbitMQ实现分布式图片水印处理系统

《PythonFastAPI+Celery+RabbitMQ实现分布式图片水印处理系统》这篇文章主要为大家详细介绍了PythonFastAPI如何结合Celery以及RabbitMQ实现简单的分布式... 实现思路FastAPI 服务器Celery 任务队列RabbitMQ 作为消息代理定时任务处理完整

springboot循环依赖问题案例代码及解决办法

《springboot循环依赖问题案例代码及解决办法》在SpringBoot中,如果两个或多个Bean之间存在循环依赖(即BeanA依赖BeanB,而BeanB又依赖BeanA),会导致Spring的... 目录1. 什么是循环依赖?2. 循环依赖的场景案例3. 解决循环依赖的常见方法方法 1:使用 @La

Java枚举类实现Key-Value映射的多种实现方式

《Java枚举类实现Key-Value映射的多种实现方式》在Java开发中,枚举(Enum)是一种特殊的类,本文将详细介绍Java枚举类实现key-value映射的多种方式,有需要的小伙伴可以根据需要... 目录前言一、基础实现方式1.1 为枚举添加属性和构造方法二、http://www.cppcns.co

使用Python实现快速搭建本地HTTP服务器

《使用Python实现快速搭建本地HTTP服务器》:本文主要介绍如何使用Python快速搭建本地HTTP服务器,轻松实现一键HTTP文件共享,同时结合二维码技术,让访问更简单,感兴趣的小伙伴可以了... 目录1. 概述2. 快速搭建 HTTP 文件共享服务2.1 核心思路2.2 代码实现2.3 代码解读3.

使用C#代码在PDF文档中添加、删除和替换图片

《使用C#代码在PDF文档中添加、删除和替换图片》在当今数字化文档处理场景中,动态操作PDF文档中的图像已成为企业级应用开发的核心需求之一,本文将介绍如何在.NET平台使用C#代码在PDF文档中添加、... 目录引言用C#添加图片到PDF文档用C#删除PDF文档中的图片用C#替换PDF文档中的图片引言在当

C#使用SQLite进行大数据量高效处理的代码示例

《C#使用SQLite进行大数据量高效处理的代码示例》在软件开发中,高效处理大数据量是一个常见且具有挑战性的任务,SQLite因其零配置、嵌入式、跨平台的特性,成为许多开发者的首选数据库,本文将深入探... 目录前言准备工作数据实体核心技术批量插入:从乌龟到猎豹的蜕变分页查询:加载百万数据异步处理:拒绝界面

MySQL双主搭建+keepalived高可用的实现

《MySQL双主搭建+keepalived高可用的实现》本文主要介绍了MySQL双主搭建+keepalived高可用的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,... 目录一、测试环境准备二、主从搭建1.创建复制用户2.创建复制关系3.开启复制,确认复制是否成功4.同