一致代价搜索（UCS）的原理和代码实现

2024-02-28 06:08
文章标签 代码 实现 搜索 原理 一致 代价 ucs

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

Java List排序实例代码详解

Java List排序实例代码详解

《JavaList排序实例代码详解》：本文主要介绍JavaList排序的相关资料,Java排序方法包括自然排序、自定义排序、Lambda简化及多条件排序,实现灵活且代码简洁,文中通过代码介绍的... 目录一、自然排序二、自定义排序规则三、使用 Lambda 表达式简化 Comparator四、多条件排序五、
阅读更多...
Java 压缩包解压实现代码

Java 压缩包解压实现代码

《Java压缩包解压实现代码》Java标准库（JavaSE）提供了对ZIP格式的原生支持,通过java.util.zip包中的类来实现压缩和解压功能,本文将重点介绍如何使用Java来解压ZIP或RA... 目录一、解压压缩包1.zip解压代码实现:2.rar解压代码实现：3.调用解压方法：二、注意事项三、总
阅读更多...
NGINX 配置内网访问的实现步骤

NGINX 配置内网访问的实现步骤

《NGINX配置内网访问的实现步骤》本文主要介绍了NGINX配置内网访问的实现步骤,Nginx的geo模块限制域名访问权限,仅允许内网/办公室IP访问,具有一定的参考价值,感兴趣的可以了解一下... 目录需求1. geo 模块配置2. 访问控制判断3. 错误页面配置4. 一个完整的配置参考文档需求我们有一
阅读更多...
Linux实现简易版Shell的代码详解

Linux实现简易版Shell的代码详解

《Linux实现简易版Shell的代码详解》本篇文章,我们将一起踏上一段有趣的旅程,仿照CentOS–Bash的工作流程,实现一个功能虽然简单,但足以让你深刻理解Shell工作原理的迷你Sh... 目录一、程序流程分析二、代码实现1. 打印命令行提示符2. 获取用户输入的命令行3. 命令行解析4. 执行命令
阅读更多...
基于MongoDB实现文件的分布式存储

基于MongoDB实现文件的分布式存储

《基于MongoDB实现文件的分布式存储》分布式文件存储的方案有很多,今天分享一个基于mongodb数据库来实现文件的存储,mongodb支持分布式部署,以此来实现文件的分布式存储,需要的朋友可以参考... 目录一、引言二、GridFS 原理剖析三、Spring Boot 集成 GridFS3.1 添加依赖
阅读更多...
利用Python实现Excel文件智能合并工具

利用Python实现Excel文件智能合并工具

《利用Python实现Excel文件智能合并工具》有时候,我们需要将多个Excel文件按照特定顺序合并成一个文件,这样可以更方便地进行后续的数据处理和分析,下面我们看看如何使用Python实现Exce... 目录运行结果为什么需要这个工具技术实现工具的核心功能代码解析使用示例工具优化与扩展有时候，我们需要将
阅读更多...
SQL Server身份验证模式步骤和示例代码

SQL Server身份验证模式步骤和示例代码

《SQLServer身份验证模式步骤和示例代码》SQLServer是一个广泛使用的关系数据库管理系统,通常使用两种身份验证模式：Windows身份验证和SQLServer身份验证,本文将详细介绍身份... 目录身份验证方式的概念更改身份验证方式的步骤方法一：使用SQL Server Management S
阅读更多...
Python+PyQt5实现文件夹结构映射工具

Python+PyQt5实现文件夹结构映射工具

《Python+PyQt5实现文件夹结构映射工具》在日常工作中,我们经常需要对文件夹结构进行复制和备份,本文将带来一款基于PyQt5开发的文件夹结构映射工具,感兴趣的小伙伴可以跟随小编一起学习一下... 目录概述功能亮点展示效果软件使用步骤代码解析1. 主窗口设计（FolderCopyApp）2. 拖拽路径
阅读更多...
Spring AI 实现 STDIO和SSE MCP Server的过程详解

Spring AI 实现 STDIO和SSE MCP Server的过程详解

《SpringAI实现STDIO和SSEMCPServer的过程详解》STDIO方式是基于进程间通信,MCPClient和MCPServer运行在同一主机,主要用于本地集成、命令行工具等场景... 目录Spring AI 实现 STDIO和SSE MCP Server1.新建Spring Boot项目2.a
阅读更多...
Spring Boot拦截器Interceptor与过滤器Filter深度解析(区别、实现与实战指南)

Spring Boot拦截器Interceptor与过滤器Filter深度解析(区别、实现与实战指南)

《SpringBoot拦截器Interceptor与过滤器Filter深度解析(区别、实现与实战指南)》：本文主要介绍SpringBoot拦截器Interceptor与过滤器Filter深度解析... 目录Spring Boot拦截器（Interceptor）与过滤器（Filter）深度解析：区别、实现与实
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2