Advertisement
Not a member of Pastebin yet?
Sign Up,
it unlocks many cool features!
- # -*- coding: utf-8 -*-
- import bisect
- import math
- from sys import maxsize as infinity
- CoveceRedica = int(input()) + 1
- CoveceKolona = int(input()) + 1
- KukaRedica = int(input()) + 1
- KukaKolona = int(input()) + 1
- """
- Дефинирање на класа за структурата на проблемот кој ќе го решаваме со пребарување.
- Класата Problem е апстрактна класа од која правиме наследување за дефинирање на основните
- карактеристики на секој проблем што сакаме да го решиме
- """
- class Problem:
- def __init__(self, initial, goal=None):
- self.initial = initial
- self.goal = goal
- def successor(self, state):
- """За дадена состојба, врати речник од парови {акција : состојба}
- достапни од оваа состојба. Ако има многу следбеници, употребете
- итератор кој би ги генерирал следбениците еден по еден, наместо да
- ги генерирате сите одеднаш.
- :param state: дадена состојба
- :return: речник од парови {акција : состојба} достапни од оваа
- состојба
- :rtype: dict
- """
- raise NotImplementedError
- def actions(self, state):
- """За дадена состојба state, врати листа од сите акции што може да
- се применат над таа состојба
- :param state: дадена состојба
- :return: листа на акции
- :rtype: list
- """
- return self.successor(state).keys()
- def result(self, state, action):
- """За дадена состојба state и акција action, врати ја состојбата
- што се добива со примена на акцијата над состојбата
- :param state: дадена состојба
- :param action: дадена акција
- :return: резултантна состојба
- """
- possible = self.successor(state)
- return possible[action]
- def goal_test(self, state):
- """Врати True ако state е целна состојба. Даденава имплементација
- на методот директно ја споредува state со self.goal, како што е
- специфицирана во конструкторот. Имплементирајте го овој метод ако
- проверката со една целна состојба self.goal не е доволна.
- :param state: дадена состојба
- :return: дали дадената состојба е целна состојба
- :rtype: bool
- """
- return state == self.goal
- def path_cost(self, c, state1, action, state2):
- """Врати ја цената на решавачкиот пат кој пристигнува во состојбата
- state2 од состојбата state1 преку акцијата action, претпоставувајќи
- дека цената на патот до состојбата state1 е c. Ако проблемот е таков
- што патот не е важен, оваа функција ќе ја разгледува само состојбата
- state2. Ако патот е важен, ќе ја разгледува цената c и можеби и
- state1 и action. Даденава имплементација му доделува цена 1 на секој
- чекор од патот.
- :param c: цена на патот до состојбата state1
- :param state1: дадена моментална состојба
- :param action: акција која треба да се изврши
- :param state2: состојба во која треба да се стигне
- :return: цена на патот по извршување на акцијата
- :rtype: float
- """
- return c + 1
- def value(self):
- """За проблеми на оптимизација, секоја состојба си има вредност.
- Hill-climbing и сличните алгоритми се обидуваат да ја максимизираат
- оваа вредност.
- :return: вредност на состојба
- :rtype: float
- """
- raise NotImplementedError
- """
- Дефинирање на класата за структурата на јазел од пребарување.
- Класата Node не се наследува
- """
- class Node:
- def __init__(self, state, parent=None, action=None, path_cost=0):
- """Креирај јазол од пребарувачкото дрво, добиен од parent со примена
- на акцијата action
- :param state: моментална состојба (current state)
- :param parent: родителска состојба (parent state)
- :param action: акција (action)
- :param path_cost: цена на патот (path cost)
- """
- self.state = state
- self.parent = parent
- self.action = action
- self.path_cost = path_cost
- self.depth = 0 # search depth
- if parent:
- self.depth = parent.depth + 1
- def __repr__(self):
- return "<Node %s>" % (self.state,)
- def __lt__(self, node):
- return self.state < node.state
- def expand(self, problem):
- """Излистај ги јазлите достапни во еден чекор од овој јазол.
- :param problem: даден проблем
- :return: листа на достапни јазли во еден чекор
- :rtype: list(Node)
- """
- return [self.child_node(problem, action)
- for action in problem.actions(self.state)]
- def child_node(self, problem, action):
- """Дете јазел
- :param problem: даден проблем
- :param action: дадена акција
- :return: достапен јазел според дадената акција
- :rtype: Node
- """
- next_state = problem.result(self.state, action)
- return Node(next_state, self, action,
- problem.path_cost(self.path_cost, self.state,
- action, next_state))
- def solution(self):
- """Врати ја секвенцата од акции за да се стигне од коренот до овој јазол.
- :return: секвенцата од акции
- :rtype: list
- """
- return [node.action for node in self.path()[1:]]
- def solve(self):
- """Врати ја секвенцата од состојби за да се стигне од коренот до овој јазол.
- :return: листа од состојби
- :rtype: list
- """
- return [node.state for node in self.path()[0:]]
- def path(self):
- """Врати ја листата од јазли што го формираат патот од коренот до овој јазол.
- :return: листа од јазли од патот
- :rtype: list(Node)
- """
- x, result = self, []
- while x:
- result.append(x)
- x = x.parent
- result.reverse()
- return result
- """Сакаме редицата од јазли кај breadth_first_search или
- astar_search да не содржи состојби - дупликати, па јазлите што
- содржат иста состојба ги третираме како исти. [Проблем: ова може
- да не биде пожелно во други ситуации.]"""
- def __eq__(self, other):
- return isinstance(other, Node) and self.state == other.state
- def __hash__(self):
- return hash(self.state)
- """
- Дефинирање на помошни структури за чување на листата на генерирани, но непроверени јазли
- """
- class Queue:
- """Queue е апстрактна класа / интерфејс. Постојат 3 типа:
- Stack(): Last In First Out Queue (стек).
- FIFOQueue(): First In First Out Queue (редица).
- PriorityQueue(order, f): Queue во сортиран редослед (подразбирливо,од најмалиот кон
- најголемиот јазол).
- """
- def __init__(self):
- raise NotImplementedError
- def append(self, item):
- """Додади го елементот item во редицата
- :param item: даден елемент
- :return: None
- """
- raise NotImplementedError
- def extend(self, items):
- """Додади ги елементите items во редицата
- :param items: дадени елементи
- :return: None
- """
- raise NotImplementedError
- def pop(self):
- """Врати го првиот елемент од редицата
- :return: прв елемент
- """
- raise NotImplementedError
- def __len__(self):
- """Врати го бројот на елементи во редицата
- :return: број на елементи во редицата
- :rtype: int
- """
- raise NotImplementedError
- def __contains__(self, item):
- """Проверка дали редицата го содржи елементот item
- :param item: даден елемент
- :return: дали queue го содржи item
- :rtype: bool
- """
- raise NotImplementedError
- class Stack(Queue):
- """Last-In-First-Out Queue."""
- def __init__(self):
- self.data = []
- def append(self, item):
- self.data.append(item)
- def extend(self, items):
- self.data.extend(items)
- def pop(self):
- return self.data.pop()
- def __len__(self):
- return len(self.data)
- def __contains__(self, item):
- return item in self.data
- class FIFOQueue(Queue):
- """First-In-First-Out Queue."""
- def __init__(self):
- self.data = []
- def append(self, item):
- self.data.append(item)
- def extend(self, items):
- self.data.extend(items)
- def pop(self):
- return self.data.pop(0)
- def __len__(self):
- return len(self.data)
- def __contains__(self, item):
- return item in self.data
- class PriorityQueue(Queue):
- """Редица во која прво се враќа минималниот (или максималниот) елемент
- (како што е определено со f и order). Оваа структура се користи кај
- информирано пребарување"""
- """"""
- def __init__(self, order=min, f=lambda x: x):
- """
- :param order: функција за подредување, ако order е min, се враќа елементот
- со минимална f(x); ако order е max, тогаш се враќа елементот
- со максимална f(x).
- :param f: функција f(x)
- """
- assert order in [min, max]
- self.data = []
- self.order = order
- self.f = f
- def append(self, item):
- bisect.insort_right(self.data, (self.f(item), item))
- def extend(self, items):
- for item in items:
- bisect.insort_right(self.data, (self.f(item), item))
- def pop(self):
- if self.order == min:
- return self.data.pop(0)[1]
- return self.data.pop()[1]
- def __len__(self):
- return len(self.data)
- def __contains__(self, item):
- return any(item == pair[1] for pair in self.data)
- def __getitem__(self, key):
- for _, item in self.data:
- if item == key:
- return item
- def __delitem__(self, key):
- for i, (value, item) in enumerate(self.data):
- if item == key:
- self.data.pop(i)
- """
- Информирано пребарување во рамки на граф
- """
- def memoize(fn, slot=None):
- """ Запамети ја пресметаната вредност за која била листа од
- аргументи. Ако е специфициран slot, зачувај го резултатот во
- тој slot на првиот аргумент. Ако slot е None, зачувај ги
- резултатите во речник.
- :param fn: зададена функција
- :param slot: име на атрибут во кој се чуваат резултатите од функцијата
- :return: функција со модификација за зачувување на резултатите
- """
- if slot:
- def memoized_fn(obj, *args):
- if hasattr(obj, slot):
- return getattr(obj, slot)
- else:
- val = fn(obj, *args)
- setattr(obj, slot, val)
- return val
- else:
- def memoized_fn(*args):
- if args not in memoized_fn.cache:
- memoized_fn.cache[args] = fn(*args)
- return memoized_fn.cache[args]
- memoized_fn.cache = {}
- return memoized_fn
- def best_first_graph_search(problem, f):
- """Пребарувај низ следбениците на даден проблем за да најдеш цел. Користи
- функција за евалуација за да се одлучи кој е сосед најмногу ветува и
- потоа да се истражи. Ако до дадена состојба стигнат два пата, употреби
- го најдобриот пат.
- :param problem: даден проблем
- :param f: дадена функција за евристика
- :return: Node or None
- """
- f = memoize(f, 'f')
- node = Node(problem.initial)
- if problem.goal_test(node.state):
- return node
- frontier = PriorityQueue(min, f)
- frontier.append(node)
- explored = set()
- while frontier:
- node = frontier.pop()
- if problem.goal_test(node.state):
- return node
- explored.add(node.state)
- for child in node.expand(problem):
- if child.state not in explored and child not in frontier:
- frontier.append(child)
- elif child in frontier:
- incumbent = frontier[child]
- if f(child) < f(incumbent):
- del frontier[incumbent]
- frontier.append(child)
- return None
- def greedy_best_first_graph_search(problem, h=None):
- """ Greedy best-first пребарување се остварува ако се специфицира дека f(n) = h(n).
- :param problem: даден проблем
- :param h: дадена функција за евристика
- :return: Node or None
- """
- h = memoize(h or problem.h, 'h')
- return best_first_graph_search(problem, h)
- def astar_search(problem, h=None):
- """ A* пребарување е best-first graph пребарување каде f(n) = g(n) + h(n).
- :param problem: даден проблем
- :param h: дадена функција за евристика
- :return: Node or None
- """
- h = memoize(h or problem.h, 'h')
- return best_first_graph_search(problem, lambda n: n.path_cost + h(n))
- def recursive_best_first_search(problem, h=None):
- """Recursive best first search - ја ограничува рекурзијата
- преку следење на f-вредноста на најдобриот алтернативен пат
- од било кој јазел предок (еден чекор гледање нанапред).
- :param problem: даден проблем
- :param h: дадена функција за евристика
- :return: Node or None
- """
- h = memoize(h or problem.h, 'h')
- def RBFS(problem, node, flimit):
- if problem.goal_test(node.state):
- return node, 0 # (втората вредност е неважна)
- successors = node.expand(problem)
- if len(successors) == 0:
- return None, infinity
- for s in successors:
- s.f = max(s.path_cost + h(s), node.f)
- while True:
- # Подреди ги според најниската f вредност
- successors.sort(key=lambda x: x.f)
- best = successors[0]
- if best.f > flimit:
- return None, best.f
- if len(successors) > 1:
- alternative = successors[1].f
- else:
- alternative = infinity
- result, best.f = RBFS(problem, best, min(flimit, alternative))
- if result is not None:
- return result, best.f
- node = Node(problem.initial)
- node.f = h(node)
- result, bestf = RBFS(problem, node, infinity)
- return result
- class Obstacles(Problem):
- def __init__(self, initial, goal=None):
- self.initial = initial
- self.goal = goal
- def move1(self, state):
- p1 = state[1]
- nasoka = state[1][2]
- kocka1 = p1[0]
- kocka2 = p1[1]
- if kocka1[1] == 1:
- return (3, 2), (3, 3), 1
- elif kocka1[1] == 5:
- return (3, 4), (3, 5), -1
- else:
- return (kocka1[0], kocka1[1] + nasoka), (kocka2[0], kocka2[1] + nasoka), nasoka
- def move2(self, state):
- p2 = state[2]
- nasoka = state[2][4]
- kocka1 = p2[0]
- kocka2 = p2[1]
- kocka3 = p2[2]
- kocka4 = p2[3]
- if kocka1[0] == 6:
- return (7, 4), (7, 5), (8, 4), (8, 5), 1
- elif kocka1[0] == 10:
- return (9, 2), (9, 3), (10, 2), (10, 3), -1
- else:
- return (kocka1[0] + nasoka, kocka1[1] - nasoka), (kocka2[0] + nasoka, kocka2[1] - nasoka), \
- (kocka3[0] + nasoka, kocka3[1] - nasoka), (kocka4[0] + nasoka, kocka4[1] - nasoka), nasoka
- def move3(self, state):
- p3 = state[3]
- nasoka = p3[2]
- kocka1 = p3[0]
- kocka2 = p3[1]
- if kocka1[0] == 6:
- return (7, kocka1[1]), (8, kocka2[1]), 1
- elif kocka1[0] == 10:
- return (9, 9), (10, 9), -1
- else:
- return (kocka1[0] + nasoka, kocka1[1]), (kocka2[0] + nasoka, kocka2[1]), nasoka
- def check(self, state):
- person = list(state[0])
- kocki = list(state[1])[0:2] + list(state[2])[0:4] + list(state[3])[0:2]
- for (x, y) in kocki:
- if person[0] == x and person[1] == y:
- return False
- if person[0] < 1 or person[0] > 11:
- return False
- if person[1] < 1 or person[1] > 11:
- return False
- if person[0] < 6 < person[1]:
- return False
- return True
- def successor(self, state):
- succs = {}
- person = state[0]
- p1 = self.move1(state)
- p2 = self.move2(state)
- p3 = self.move3(state)
- new = (person[0], person[1] - 1), p1, p2, p3
- if self.check(new):
- succs["Levo"] = new
- new = (person[0] - 1, person[1]), p1, p2, p3
- if self.check(new):
- succs["Gore"] = new
- new = (person[0], person[1] + 1), p1, p2, p3
- if self.check(new):
- succs["Desno"] = new
- new = (person[0] + 1, person[1]), p1, p2, p3
- if self.check(new):
- succs["Dolu"] = new
- return succs
- def actions(self, state):
- """Given a state, return a list of all actions possible from that state"""
- return self.successor(state).keys()
- def h(self, node):
- initialX, initialY = node.state[0]
- goalX, goalY = self.goal
- return math.fabs(initialX - goalX) + math.fabs(initialY - goalY)
- def result(self, state, action):
- """Given a state and action, return the resulting state"""
- return self.successor(state)[action]
- def goal_test(self, state):
- """Return True if the state is a goal. The default method compares the
- state to self.goal, as specified in the constructor. Implement this
- method if checking against a single self.goal is not enough."""
- person = state[0]
- return person[0] == self.goal[0] and person[1] == self.goal[1]
- def path_cost(self, c, state1, action, state2):
- """Return the cost of a solution path that arrives at state2 from
- state1 via action, assuming cost c to get up to state1. If the problem
- is such that the path doesn't matter, this function will only look at
- state2. If the path does matter, it will consider c and maybe state1
- and action. The default method costs 1 for every step in the path."""
- return c + 1
- def value(self):
- """For optimization problems, each state has a value. Hill-climbing
- and related algorithms try to maximize this value."""
- raise NotImplementedError
- initial = (CoveceRedica, CoveceKolona), ((3, 3), (3, 4), -1), ((8, 3), (8, 4), (9, 3), (9, 4), -1), ((8, 9), (9, 9), 1)
- goal = KukaRedica, KukaKolona
- problem = Obstacles(initial, goal)
- # answer = breadth_first_graph_search(problem)
- # print(answer.solution())
- # Example1 = ((0, 3), (2, 2, -1), (7, 2, 1), (7, 8, 1)) # Pochetnata sostojba dadena na code
- # Problem1 = Obstacles(Example1)
- # # Test1 = breadth_first_graph_search(Problem1) # Test za neinformirano prebaruvanje koristejki BFS
- # # print(Test1.solution()) # Lista od akcii
- # # print(Test1.solve()) # Lista od sostojbi
- Test2 = astar_search(problem) # Test za informirano prebaruvanje so hevristika koristejki A* algoritmot
- print(Test2.solution()) # Lista od akcii
Advertisement
Add Comment
Please, Sign In to add comment
Advertisement