目录
一、项目概述与编译环境 1
二、问题的数学建模 2
三、算法实现 2
1.迷宫的创建 2
(1)对每一小格随机添加障碍物 2
2.搜索算法描述 3
(1)深度优先搜索 3
(2)宽度优先搜索 3
(3)一致代价搜索 3
(4)A搜索 4
四、项目架构与GUI设计 4
(1)项目架构 4
(2)GUI设计 4
五、搜索算法效率对比 6
六、实验心得与体会 7
七、参考文献 7
(1)pygame official doc 7
该项目在windows下编译通过,所需环境为python3,编写GUI所用的库为pygame,在运行作业前,需要配置依赖项,即在main.py的路径下打开cmd,并运行:
pip install –r requirement.txt
配置完依赖项后即可运行游戏:
python main.py
为了方便测试不同搜索算法的效率,编写了脚本test.py进行测试:
python test.py --maze_size 10 (设置为需要的迷宫大小,建议为5-25,否则可能超过递归上界)
二、问题的数学建模
由于迷宫的实质为一个由0,1构成的矩阵
其中1代表可行走的区域,0代表障碍物
由于穴居人生活区域中存在冰面,因此设置了随机道路中存在冰块,在冰块上穴居人会打滑,导致行走的代价2。
在本问题中,设置穴居人初始位置处的值为10,宝藏处的值为1,则迷宫求解转化为该矩阵中10处到1处的带权连通路径。
三、算法实现
1.迷宫的创建
事实上,本次大作业中的一大难点在于迷宫如何创建,在实现过程中进行了如下尝试:
(1)对每一小格随机添加障碍物
(2)限定障碍物的形状,并在地图中随机放置障碍物,如(L型,H型)
但实际的创建结果均不理想(迷宫的样子不像迷宫:出现大量空白/障碍堆积现象)
最后经过查阅资料,采取递归回溯的算法生成迷宫,算法如下:
①每次把新找到的未访问迷宫单元作为优先
②寻找其相邻的未访问过的迷宫单元,直到所有的单元都被访问到
通俗的说,就是从起点开始随机走,走不通了就返回上一步,从下一个能走的地方再开始随机走。
在创建完迷宫后,再在迷宫中随机指定人物的初始位置与宝藏,以及随机冰面的位置。
该迷宫创建算法可以创建不同长、宽、障碍物、初始\终点位置,具体代码详见:maze.py
import maze
import solution
import argparse
import time
parser = argparse.ArgumentParser()
parser.add_argument('--maze_size', type=int, default=10)
if __name__ == '__main__':
args = parser.parse_args()
time_cost = [0,0,0,0]
opennum = [0,0,0,0]
closenum = [0,0,0,0]
pathcost = [0,0,0,0]
for i in range(1000):
Maze = maze.createmaze(args.maze_size)
while solution.solution_maze(Maze,'DFS') == False:
Maze = maze.createmaze(args.maze_size)
print('testing Maze ' + str(i+1))
time_start = time.time()
a,open1,close1,pathcost1 = solution.solution_maze(Maze,'DFS')
time_end = time.time()
time_cost[0] += time_end - time_start
opennum[0] += open1
closenum[0] += close1
pathcost[0] += pathcost1
time_start = time.time()
a,open1,close1,pathcost1 = solution.solution_maze(Maze,'BFS')
time_end = time.time()
time_cost[1] += time_end - time_start
opennum[1] += open1
closenum[1] += close1
pathcost[1] += pathcost1
time_start = time.time()
a,open1,close1,pathcost1 = solution.solution_maze(Maze,'uniform')
time_end = time.time()
time_cost[2] += time_end - time_start
opennum[2] += open1
closenum[2] += close1
pathcost[2] += pathcost1
time_start = time.time()
a,open1,close1,pathcost1 = solution.solution_maze(Maze,'A*')
time_end = time.time()
time_cost[3] += time_end - time_start
opennum[3] += open1
closenum[3] += close1
pathcost[3] += pathcost1
print('')
print('Test Result')
print('Maze_size = '+str(2*args.maze_size + 1))
print('method:DFS time_cost:' + str(round(time_cost[0], 2)) + ' Average openlist: '
+ str(opennum[0]/1000) + ' Average closelist: ' + str(closenum[0]/1000) + ' Average pathcost: ' + str(pathcost[0]/1000))
print('method:BFS time_cost:' + str(round(time_cost[1], 2)) + ' Average openlist: '
+ str(opennum[1]/1000) + ' Average closelist: ' + str(closenum[1]/1000) + ' Average pathcost: ' + str(pathcost[1]/1000))
print('method:UCS time_cost:' + str(round(time_cost[2], 2)) + ' Average openlist: '
+ str(opennum[2]/1000) + ' Average closelist: ' + str(closenum[3]/1000) + ' Average pathcost: ' + str(pathcost[2]/1000))
print('method:Astar time_cost:' + str(round(time_cost[3], 2)) + ' Average openlist: '
+ str(opennum[3]/1000) + ' Average closelist: ' + str(closenum[3]/1000) + ' Average pathcost: ' + str(pathcost[3]/1000))