【人工智能】一致代价搜索（Uniform Cost Search, UCS） Python实现

带环检测的一致代价搜索（Uniform Cost Search, UCS） Python实现

罗马尼亚旅行问题
求从城市Arad到城市Bucharest的最短路径

States：表示当前所处的城市；
Actitons：表示在图中进行移动的动作
Initial state：表示初始位置，也就是起点城市
Goal：表示目标城市

算法思想：

一致代价搜索算法，维护三个线性表，边界表（frontier表），已扩展结点表（close表），前驱结点表（pre表）。考虑当前边界中的最小代价的结点（这部分用优先队列实现）对其进行扩展，将其子结点放入边界中，已经扩展过的结点放入close表，从边界表中取出结点的时候进行目标检测，（这里与BFS不同，BFS是在将结点放入边界时就对目标进行检测）；在算法执行过程中进行Cycle checking（环检测），如果结点已经扩展过，则不能放入边界表中。

算法例题：

给定无向图，及图上两个节点，求其最短路径及长度

要求：使用Python实现带环检测的一致代价搜索（uniform-cost）算法

输入（统一格式，便于下周的验收）

第1行：节点数m 边数n（中间用空格隔开，下同）；

第2行到第n+1行是边的信息，每行是：节点1名称节点2名称边权；

第n+2行开始可接受循环输入，每行是：起始节点名称目标节点名称。

输出（格式不限）

最短路径及其长度。

Python实现代码：
算法实现中采用了优先队列作为frontier表，将代价最小的结点放在表头。具体的细节可以看代码中的注释。

from cmath import cos
from email import header
from importlib.resources import path
from json.tool import main
from os import pread, stat
from re import T
import re
from stat import S_IEXEC
import heapq
class Node:def __init__(self,state,pre,cost) -> None:self.state = stateself.pre = preself.cost = cost
edges = [] # 边集
closed = [] # 已经扩展过的结点
frontier = [] #待扩展的结点
path = []
def is_in_frontier(state):for f in frontier:if state == f[1]:return Truereturn Falsedef print_path(result): #打印路径while True:path.append(result[1])if result[2] == None:breakresult = result[2]path.reverse()def main():m, n = map(int,input().split(" ")) #"Please enter the number of vertex and edge:"for _ in range(n):n1, n2, w= input().split(" ")w = int(w)edges.append({'c1':n1, 'c2':n2, 'w':int(w)})while True :s_city, d_city = input().split(" ")ans = uniform_cost_search(s_city, d_city)  print('Shortest distance from %s to %s is %d' %(s_city,d_city,ans[0]))print_path(ans)print('Path:',path) def uniform_cost_search(start, dest):heapq.heapify(frontier)heapq.heappush(frontier,(0,start,None))  # 元组（heapq不支持字典） 分别是 w, state, prewhile len(frontier):t = heapq.heappop(frontier)if t[1] == dest:  # 目标检测return tclosed.append(t[1])for edge in edges:des = ''if edge['c1'] == t[1]:  # 由于是无向图，当前的城市可以作为边的起点，也可以作为终点des = edge['c2']elif edge['c2'] == t[1]:des = edge['c1']if des == '':continuechild = {'state': des, 'pre': t, 'w': t[0]+edge['w']}  # 将子结点封装成一个字典，分别是子结点的状态， 父亲结点， costif child['state'] not in closed:  # 环检测（如果该结点没有被扩展过）heapq.heappush(frontier, (child['w'], child['state'], child['pre']))return Noneif __name__ == '__main__':main()

运行结果：

对于题目中给定的图来说，从a城市走到z城市的最短路径为7，对应的路为a->b->e->d->z。

补充：

在开始学习一致代价搜索算法的时候，我隐隐约约地觉得好像在哪见过这个算法，但是又好像没见过。其实这个算法跟Dijkstra算法很像，其核心内容都很相似，但是又不完全相同。

在Dijkstra算法中，我们用图中的所有顶点初始化顶点表。因此，Dijkstra算法只适用于已知所有顶点和边的显式图。

而一致代价搜索算法从源顶点开始，并逐渐遍历必要的图部分。因此，它适用于显式图和隐式图。

【人工智能】一致代价搜索（Uniform Cost Search, UCS） Python实现相关推荐

Uniform Cost Search (UCS)
BFS用于找到每个边的权值是一样的图的最短路径,如果图中每个边的权值不一样了,就用到了UCS. 参考了https://blog.csdn.net/jdh99/article/details/80872 ...
CS 188 (4) Uniform Cost Search( 统一代价搜索算法)
本文要实现 Uniform Cost Search( 统一代价搜索算法) ,首先搜索总成本最小的节点, 统一代价搜索算法搜索到达目标. PriorityQueue实现一个优先级队列的数据结构,每个插 ...
AI（人工智能：一种现代的方法）学习之：无信息搜索（uninformed search）算法——广度优先搜索、深度优先搜索、Uniform-cost search
文章目录参考搜索算法深度优先搜索 depth-first search 性能分析完整性 complete 最优性 optimal 时间复杂度空间复杂度广度优先搜索 breadth-firs ...
图搜索算法UCS（一致代价搜索）通俗易懂图示详解
一致代价搜索实际上是在BFS(广度优先搜索算法)的基础上进行扩展的,我们在上一篇博客图搜索算法BFS和DFS通俗易懂图示详解中提到,BFS是基于队列数据结构的,既然UCS是BFS的扩展,那么UCS一定 ...
3.4.2 一致代价搜索 (uniform-cost search) --- 实现代码附详细注释
import pandas as pd from pandas import Series, DataFrame# 城市信息:city1 city2 path_cost _city_info = No ...
一致代价搜索（UCS）的原理和代码实现
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 ...
python反恐精英代码类似的编程_敲代码学Python：CS188之实现一致代价搜索
照例先上视频:人工智能导论之一致代价搜索演示https://www.zhihu.com/video/1176109979474620416 再上算法伪代码描述: 接着,就是代码: def unifor ...
神经架构搜索(Neural Architecture Search,NAS)介绍
神经架构搜索Neural Architecture Search,NAS介绍 Introduction Intractable Search Space Non transferable optima ...
贪心搜索（greedy search）、集束搜索（beam search）、随机采样（random sample）
当我们训练完成一个自然语言生成模型后,需要使用这个模型生成新的语言(句子),如何生成这些句子,使用如下的方法:贪心搜索,集束搜索,随机搜索. 贪心搜索(greedy search)/采样(Sampli ...

【人工智能】一致代价搜索（Uniform Cost Search, UCS） Python实现

带环检测的一致代价搜索（Uniform Cost Search, UCS） Python实现

【人工智能】一致代价搜索（Uniform Cost Search, UCS） Python实现相关推荐

最新文章

热门文章