搜索策略实验
实验一：搜索策略实验
一、实验目的
1、熟悉和掌握启发式搜索的定义、估价函数和算法过程。
2、利用A*算法求解N数码难题，理解求解流程和搜索顺序。
二、实验内容
以八数码为例实现A或A*算法。
1、分析算法中的OPEN表CLOSE表的生成过程。
2、分析估价函数对搜索算法的影响。
3、分析启发式搜索算法的特点。
起始棋局目标棋局
启发式函数选取为：f*(n)=g*(n)+h*(n)
其中：
g*(n)是搜索树中节点n的深度；
h*(n)用来计算对应于节点n的数据中错放的棋子个数。
三、实验设计与结果
八数码问题是个典型的状态图搜索问题。搜索方式有两种基本的方式，即树式搜索和线式搜索。搜索策略大体有盲目搜索和启发式搜索两大类。盲目搜索就是无“向导”的搜索，启发式搜索就是有“向导”的搜索。
由八数码问题的部分状态图可以看出，从初始节点开始，在通向目标节点的路径上，各节点的数码格局同目标节点相比较，其数码不同的位置个数在逐渐减少，最后为零。所以，这个数码不同的位置个数便是标志一个节点到目标节点距离远近的一个启发性信息，利用这个信息就可以指导搜索。即可以利用启发信息来扩展节点的选择，减少搜索范围，提高搜索速度。
由此解决八数码问题就是在初始状态和目标状态两个状态之间寻找一系列可过渡状态。利用A*算法实现寻找中间状态，从而得到目标状态。
根据启发式搜索算法A*算法的具体步骤，结合八数码问题的要求，从而得出相应的流程图为：
其中：
OPEN表：算法已搜索但尚未扩展的节点集合。
CLOSED表：算法已扩展的节点集合。
实验输出结果：
运行程序，输入起始棋局与目标棋局：
结果输出为：
四、程序
1、设定启发式函数：
八数码问题的目标是要搜索到目标节点，所以为了尽快的向目标节点进行靠近，可以把启发式函数设定为当前节点与目标节点中状态的差异，即与目标节点中数码的位置不同的个数作为启发函数的返回值，然后根据启发函数值找出启发值最小的状态节点进行扩展。
2、OPEN表和CLOSE表的生成过程：
OPEN表是用来存放经过扩展得到的待考察的状态节点，CLOSE表是用来存放考察过的状态节点，并且标记上当前节点的编号和父节点的编号，然后可以根据编号便可以形成一个搜索树，即可以找到一个解路径。其中状态节点的结构体如下所示：
struct node{
int a[3][3]; //存放矩阵
int father; //父节点的位置
int gone; //是否遍历过,1为是,0为否
int fn; //评价函数的值
int x,y; //空格的坐标
int deep; //节点深度
};
从而可以定义OPEN表和CLOSE表如下：
store.clear(); //清空store
vector
open.push_back(1); //把初始状态在store中的位置数压入open表中
while(!open.empty()){ //当open表不为空时,开始寻找路径
if(check(top)) break;
min=top;
int i_min=0;
3、计算启发函数值函数：
int get_fn(int num) //返回store[num]的评价函数值
{
int fn_temp=0; //评价函数值
bool test=true;
for(int i=0;i<3;i++){ //当找到一个值后,计算这个值位置与目标位置的距离差,test置为false后继续寻找下一个值
for(int j=0;j<3;j++){
test=true;
for(int k=0;k<3;k++){
for(int l=0;l<3;l++){
if((store[num].x!=i||store[num].y!=j)&&store[num].a[i][j]==store[0].a[k][l]){ //寻值时排除空格位
fn_temp=fn_temp+abs(i-k)+abs(j-l);
test=false;
}
if(test==false) break;
}
if(test==false) break;
}
}
}
fn_temp=fn_temp+store[num].deep; //加上节点深度
return fn_temp;
}
4、判断新扩展节点是否是已经扩展过的的节点函数：
bool search(int num) //判断store[num]节点是否已经扩展过,没有扩展返回true
{
int pre=store[num].father; //pre指向store[num]的父节点位置
bool test=true;
while(!pre){ //循环直到pre为0,既初始节点
for(int i=0;i<3;i++){
for (int j=0;j<3;j++){
if(store[pre].a[i][j]!=store[num].a[i][j]){
test=false;
break;
}
}
if(test==false) break;
}
if(test==true) return false;
pre=store[pre].father; //pre继续指向store[pre]父节点位置
}
return true;
}
5、在open表中找出启发值最小的节点(待扩展)函数：
open.push_back(1); //把初始状态在store中的位置数压入open表中
while(!open.empty()){ //当open表不为空时,开始寻找路径
if(check(top)) break;
min=top;
int i_min=0;
for(i=0;i if(store[open[i]].fn<=store[min].fn&&store[open[i]].gone==0){ min=open[i]; i_min=i; } } store[min].gone=1; open.erase(open.begin()+i_min); //把最小节点标记遍历过,并从open表中删除 五、实验结论 1、估价函数的值对搜索算法速度的影响 估价函数的任务就是估计待搜索结点的重要程度，给它们排定次序。评价函数可以是任意一种函数，如定义它是结点x处于最佳路径上的概率，或是x结点 和目标结点之间的距离，或是x格局的得分等等。一般来说，评价一个结点的价值，必须综合考虑两方面的因素：已付出的代价和将要付出的代价。在此，我们把评价函数f(n)定义为从初始结点经过n结点到达目标结点的最小代价路径的代价估计值。 A*算法成功与否的关键在于估价函数的正确选择，从理论上说，一个完全正确的估价函数是可以非常迅速地得到问题的正确解答，但一般完全正确的估价函数是得不到的，因而A*算法不能保证它每次都得到正确解答。一个不理想的估价函数可能会使它工作得很慢，甚至会给出错误的解答。 如果对其估价函数中的h*(n)部分即启发性函数，加以适当的单调性限制条件，就可以使它对所扩展的一系列节点的估价函数值单调递增（或非递减），从而减少对OPEN表或CLOSED表的检查和调整，提高搜索效率。 为了提高解答的正确性，我们还可以适当地降低估价函数的值，从而使之进行更多的搜索，但这是以降低它的速度为代价的，因而我们可以根据实际对解答的速度和正确性的要求而设计出不同的方案，使之更具弹性。 2、启发式搜索的特点 对于那些受大自然的运行规律或者面向具体问题的经验、规则启发出来的方法，人们常常称之为启发式算法（Heuristic Algorithm）。现在的启发式算法也不是全部来自自然的规律，也有来自人类积累的工作经验。 启发式算法有不同的定义：一种定义为，一个基于直观或经验的构造的算法，对优化问题的实例能给出可接受的计算成本（计算时间、占用空间等）内，给出一个近似最优解，该近似解于真实最优解的偏离程度不一定可以事先预计；另一种是，启发式算法是一种技术，这种技术使得在可接受的计算成本内去搜寻最好的解，但不一定能保证所得的可行解和最优解，甚至在多数情况下，无法阐述所得解同最优解的近似程度。 启发式搜索就是利用启发性信息进行制导的搜索。它有利于快速找到问题的解。其具有的特点是：从随机的可行初始解出发，才用迭代改进的策略，去逼近问题的最优解。 附：源程序 #include #include #include using namespace std; struct node{ int a[3][3]; //存放矩阵 int father; //父节点的位置 int gone; //是否遍历过,1为是,0为否 int fn; //评价函数的值 int x,y; //空格的坐标 int deep; //节点深度 }; vector int mx[4]={-1,0,1,0}; int my[4]={0,-1,0,1}; //上下左右移动数组 int top; //当前节点在store中的位置 bool check(int num) //判断store[num]节点与目标节点是否相同,目标节点储存在store[0]中 { for(int i=0;i<3;i++){ for(int j=0;j<3;j++){ if(store[num].a[i][j]!=store[0].a[i][j]) return false; } } return true; } bool search(int num) //判断store[num]节点是否已经扩展过,没有扩展返回true { int pre=store[num].father; //pre指向store[num]的父节点位置 bool test=true; while(!pre){ //循环直到pre为0,既初始节点 for(int i=0;i<3;i++){ for (int j=0;j<3;j++){ if(store[pre].a[i][j]!=store[num].a[i][j]){ test=false; break; } } if(test==false) break; } if(test==true) return false; pre=store[pre].father; //pre继续指向store[pre]父节点位置 } return true; } void print(int num) //打印路径,store[num]为目标节点 { vector int pre=store[num].father; temp.push_back(num); while(pre!=0){ //从目标节点回溯到初始节点 temp.push_back(pre); pre=store[pre].father; } cout< cout<<"路径为: "< for(int m=temp.size()-1;m>=0;m--){ for(int i=0;i<3;i++){ for(int j=0;j<3;j++){ cout< } cout< } cout< } cout<<"所需步数为: "< return; } int get_fn(int num) //返回store[num]的评价函数值 { int fn_temp=0; //评价函数值 bool test=true; for(int i=0;i<3;i++){ //当找到一个值后,计算这个值位置与目标位置的距离差,test置为false后继续寻找下一个值 for(int j=0;j<3;j++){ test=true; for(int k=0;k<3;k++){ for(int l=0;l<3;l++){ if((store[num].x!=i||store[num].y!=j)&&store[num].a[i][j]==store[0].a[k][l]){ //寻值时排除空格位 fn_temp=fn_temp+abs(i-k)+abs(j-l); test=false; } if(test==false) break; } if(test==false) break; } } } fn_temp=fn_temp+store[num].deep; //加上节点深度 return fn_temp; } void kongxy(int num) //获得空格坐标 { for(int i=0;i<3;i++){ for(int j=0;j<3;j++){ if(store[num].a[i][j]==0){ store[num].x=i; store[num].y=j; } } return; } int main() { while(true){ store.clear(); //清空store vector int i,j,m,n,f; int min; //store[min]储存fn值最小的节点 int temp; bool test; top=1; //当前节点在store的位置,初始节点在store[1] int target[9]; int begin[9]; //储存初始状态和目标状态,用于判断奇偶 int t1=0,t2=0; //初始状态和目标状态的奇偶序数 node node_temp; store.push_back(node_temp); store.push_back(node_temp); //用于创建store[0]和store[1],以便下面使用 cout<<"请输入初始状态,1~8数字,0代表空格: "< test=false; while(test==false){ f=0; for(i=0;i<3;i++){ for(j=0;j<3;j++){ cin>>temp; store[1].a[i][j]=temp; begin[f++]=temp; } } test=true; for(i=0;i<8;i++){ //检查是否有重复输入,若有则重新输入 for(j=i+1;j<9;j++){ if(begin[i]==begin[j]){ test=false; break; } if(test==false) break; } if(test==false) cout<<"输入重复,请重新输入:"< } kongxy(1); //找出空格的坐标 cout<<"请输入目标状态,1~8数字,0代表空格: "< test=false; while(test==false){ f=0; for(i=0;i<3;i++){ for(j=0;j<3;j++){ cin>>temp; store[0].a[i][j]=temp; target[f++]=temp; } } test=true; for(i=0;i<8;i++){ //检查是否有重复输入,若有则重新输入 for(j=i+1;j<9;j++){ if(target[i]==target[j]){ test=false; break; } } if(test==false) break; } if(test==false){ cout<<"输入重复,请重新输入:"< continue; //若重复,重新输入 } for(i=0;i<9;i++){ //检查目标状态与初始状态是否匹配 test=false; for(j=0;j<9;j++){ if(begin[i]==target[j]){ test=true; break; } } if(test==false) break; } if(test==false) cout<<"输入与初始状态不匹配,请重新输入:"< } for(i=1;i<9;i++){ //判断奇偶序数是否相同,若不相同则无法找到路径 for(j=1;i-j>=0;j++){ if(begin[i]>begin[i-j]){ if(begin[i-j]!=0) t1++; } } } for(i=1;i<9;i++){ for(j=1;i-j>=0;j++){ if(target[i]>target[i-j]){ if(target[i-j]!=0) t2++; } } } if(!(t1%2==t2%2)){ cout<<"初始状态与目标状态奇偶不同,无法找到路径."< cout< //system("pause"); //return 0; continue; } store[1].father=0; //初始化参数 store[1].gone=0; store[1].deep=0; //初始节点的父节点为0 store[1].fn=get_fn(1); if(check(1)){ //判断初始状态与目标状态是否相同 print(1); //system("pause"); //return 0; cout< continue; } open.push_back(1); //把初始状态在store中的位置数压入open表中 while(!open.empty()){ //当open表不为空时,开始寻找路径 if(check(top)) break; min=top; int i_min=0; for(i=0;i store中fn值最小的节点 if(store[open[i]].fn<=store[min].fn&&store[open[i]].gone==0){ min=open[i]; i_min=i; } } store[min].gone=1; open.erase(open.begin()+i_min); //把最小节点标记遍历过,并从open表中删除 m=store[min].x; n=store[min].y; //空格坐标 for(f=0;f<4;f++){ //上下左右移动空格 i=m+mx[f]; j=n+my[f]; if(i>=0&&i<=2&&j>=0&&j<=2){ //当变换后的空格坐标在矩阵中时,开始移动 top++; store.push_back(store[min]); //把store[min]压入store中成为新增节点,位置为store[top] store[top].father=min; //新增节点的父节点为min store[top].gone=0; //新增节点未被访问 store[top].deep=store[min].deep+1; //新增节点的深度为父节点深度+1 temp=store[top].a[m][n]; //交换空格与相邻数字 store[top].a[m][n]=store[top].a[i][j]; store[top].a[i][j]=temp; store[top].x=i; //移动后的空格坐标 store[top].y=j; store[top].fn=get_fn(top); //移动后的fn 值 open.push_back(top); //把top压入open表中 if(check(top)){ //检查是否到达目标 print(top); //system("pause"); //return 0; break; } if(search(top)==false){ //检查新增节点是否被访问过,若访问过,则删除此节点 top--; store.pop_back(); open.pop_back(); } } } } cout< } return 0; system("pause"); } 百度搜索的一些实用技巧 谷歌虽然强大，但在我们这里却不是很实用，既然手边已经有百度，何必舍近求远，先学好百度搜索吧！另文章来源于百度百科，特意摘出来方便学习。 语法查询 1. 把搜索范围限定在网页标题中——intitle:标题 2. 把搜索范围限定在特定站点中——site:站名 3. 把搜索范围限定在url链接中——inurl:链接 4. 精确匹配——双引号" "和书名号<<>> 5. 要求搜索结果中同时包含或不含特定查询词——“+”、“-”(减) 6. 专业文档搜索——filetype:文档格式 百度搜索 把搜索范围限定在网页标题中——intitle网页标题通常是对网页内容提纲挈领式的归纳。 把查询内容范围限定在网页标题中，有时能获得良好的效果。使用的方式，是把查询内容中，特别关键的部分，用“intitle:”领起来。例如，找林青霞的写真，就可以这样查询：写真intitle:林青霞注意，intitle:和后面的关键词之间，不要有空格。 把搜索范围限定在特定站点中——site有时候，您如果知道某个站点中有自己需要找的东西，就可以把搜索范围限定在这个站点中，提高查询效率。使用的方式，是在查询内容的后面，加上“site:站点域名”。例如，天空网下载软件不错，就可以这样查询：msn site:skycn com注意，“site:”后面跟的站点域名，不要带“http://”；另外，site:和站点名之间，不要带空格。 把搜索范围限定在url链接中——inurl网页url中的某些信息，常常有某种有价值的含义。于是，您如果对搜索结果的url做某种限定，就可以获得良好的效果。实现的方式，是用“inurl:”，后跟需要在url中出现的关键词。例如，找关于photoshop的使用技巧，可以这样查询：photoshop inurl:jiqiao上面这个查询串中的“photoshop”，是可以出现在网页的任何位置，而“jiqiao”则必须出现在网页url 中。注意，inurl:语法和后面所跟的关键词，不要有空格。 精确匹配——双引号和书名号如果输入的查询词很长，百度在经过分析后，给出的搜索结果中的查询词，可能是拆分的。如果您对这种情况不满意，可以尝试让百度不拆分查询词。给查询词加上双引号，就可以达到这种效果。例如，搜索上海科技大学，如果不加双引号，搜索结果被拆分，效果不是很好，但加上双引号后，“上海科技大学”，获得的结果就全是符合要求的了。书名号是百度独有的一个特殊查询语法。在其他搜索引擎中，书名号会被忽略，而在百度，中文书名号是可被查询的。加上书名号的查询词，有两层特殊功能，一是书名号会出现在搜 学生实验报告 实验课名称：人工智能 实验项目名称：八数码实验 专业名称：计算机科学与技术 班级： 2012240201 学号： 201224020102 学生姓名：张璐 教师姓名：陈亮亮 2014年12 月13 日 实验日期：2014 年12 月9 日实验室名称：明远2202 最后，为提高程序的运行效率，减少程序扩展节点时搜索量，将当前0所处位置(i_0：0在s[3][3]中所处行号，j_0：0在s[3][3]中所处列号)也存储在DATA中。 五．源程序： struct array { int id; int depth; int Wx; //错位个数 int moveNum;//计算移动距离 int a[MAX_X][MAX_Y]; int x; //0的横坐标（在数组里的） int y; //0的纵坐标 }; class EightDigital { public: EightDigital(int a[MAX_X][MAX_Y],int b[MAX_X][MAX_Y]); ~EightDigital(); bool safe(int x,int y); //判断与0相邻的位置能否交换，防止数组越界bool compare(); //判断是否到达目标 void search(int x,int y); //搜索目标 void addOpenTable(int x0,int y0,int x1,int y1);//x0,y0是交换前0的坐标，x1,y1是交换后0的坐标,加入open表 void addCloseTable(); //create close table void deleteOpenTable(); void insertSort(); void exchange(int x0,int y0,int x1,int y1); //交换数组值，移动0 int Wx(); //计算错位个数 void print(); //打印数组 bool haveSolution(); int moveNum(); 汽车尾气的排放控制新技术 第二部分：检索策略部分 1.课题分析 交通系统消耗了全球约1/3 的能源，以石油产品为燃料的汽车是最主要的现代交通运输工具，它给人们带来方便和快捷的同时，也带来了无法回避的问题。根据上个世纪七八十年代美国、日本对城市空气污染源的调查，城市空气中90%以上的一氧化碳、60%以上的碳氢化合物和30%以上的氮氧化物都来自汽车尾气的排放，这些污浊的气体使人类的生存环境受到极大威胁。汽车污染已成为世界性公害，其对于温室气体浓度增加的“贡献”不容忽视。随着世界各国汽车保有量的增加，汽车已成为城市大气质量恶化的主要污染源，其排放的CO、NOx、HC、SO2、Pb 等污染物不仅危害人体健康，还是造成酸雨和光化学烟雾的主要成分，汽车尾气污染已受到全球广泛的注视。截止2006年底，我国民用汽车保有量已接近3700万辆，并仍保持着快速增长的趋势。虽与发达国家相比，其总量不多，但由于主要集中在大城市，而且车况差，燃油质量低，单车的排污量往往高出国外同类车的几倍，汽车尾气对我国城市空气质量造成巨大的威胁。因此，研究汽车尾气的排放控制的新技术，减少有害气体的排放量，对提高城市空气的质量，保障人类生存环境，具有重大意义。本作业利用自己这学期所学的文献检索课的知识，检索了国内有关汽车尾气的排放、控制、净化方面的文献，经初步整理给出一篇肤浅的文献综述，有望老师给予指正。 2. 制定检索策略 2.1 选择检索工具 2.2 选择检索词 2.3 拟定检索式 由于不同检索工具的字段不同，因此将检索式（亦称提问式）在“检索步骤及检索结果”的各个具体检索工具中给出。 3. 检索步骤及检索结果 3.1 谷歌搜索引擎 3.1.1 检索式 A．篇名＝汽车 and 尾气 and 排放and 控制 3.1.2 检索步骤与结果 打开谷歌高级搜索：在第一行检索框内输入检索式A，“and”用空格形式表示。限定在“简体中文”和“网页标题”内检索。得到212条检索结果。经过筛选，选择其中2条： [1] 【篇名】申城推广燃油清净剂控制汽车尾气排放 【摘要】有关研究及开发证明，在燃油中添加合格的清净剂，能明显降低一氧化碳、碳氢化合物、氮氧化物和颗粒物等污染的排放量，而且能使节油率达到15％左右，燃油清净剂技术已成为我国在治理汽车尾气污染的一项高新技术。据了解，目前日本有80％的车用汽油使用汽油清净剂，欧美19个国家普遍使用汽油清净剂。上海目前机动车尾气污染仍十分严重，改善废气排放迫在眉睫。为此许多专家认为，上海应当大力推广燃油清净剂。 【出处】解放日报2002年3月27日 [2] 【篇名】控制尾气排放新方法－汽车试“喝”纳米燃油 【摘要】普通汽车上通过加装一套EPS纳米燃油装置，就可以节省燃油10%-30%，降低尾气排放约50%-90%，同时还能使动力增加10%-30%。日前，一种可将普通燃油变成纳米燃油 全局搜索和局部搜索. 目前使用较普遍的、有影响的 全局搜索算法主要包括主从面算法、单曲面算法、级域算法、位码算法及NBS 算法; 局部接触搜索算法主要有基于"点面算法"、基于"小球算法"、基于光滑曲面(曲线)算法三大类. 接触界面算法目前主要有拉格朗日乘子法和罚函数法,以及扰动拉氏法和增广拉氏法. 此外,接触问题的并行计算也是不可忽视的研究内容 模拟退火算法和遗传算法等是较新发展起来的算法，算法引入了随机因素，不一定能找到最优解，但一般能快速找到满意的解。 局部搜索算法是从爬山法改进而来的。 爬山法：在没有任何有关山顶的其他信息的情况下，沿着最陡的山坡向上爬。 局部搜索算法的基本思想：在搜索过程中，始终选择当前点的邻居中与离目标最近者的方向搜索。 现实问题中，f在D上往往有多个局部的极值点。一般的局部搜索算法一旦陷入局部极值点，算法就在该点处结束，这时得到的可能是一个糟糕的结果。解决的方法就是每次并不一定选择邻域内最优的点，而是依据一定的概率，从邻域内选择一个点。指标函数优的点，被选中的概率大，指标函数差的点，被选中的概率小。考虑归一化问题，使得邻域内所有点被选中的概率和为1。 一般的局部搜索算法是否能找到全局最优解，与初始点的位置有很大的依赖关系。解决的方法就是随机生成一些初始点，从每个初始点出发进行搜索，找到各自的最优解。再从这些最优解中选择一个最好的结果作为最终的结果。起始点位置影响搜索结果示意图 爬山算法 1, n := s; 2, LOOP: IF GOAL(n) THEN EXIT(SUCCESS); 3, EXPAND(n) →{mi},计算h(mi), nextn=min{h(mi)} 4, IF h(n) 竭诚为您提供优质文档/双击可除 二分搜索实验报告 篇一：算法设计与分析二分查找实验报告 课程设计说明书 设计题目：二分查找程序的实现 专业：班级： 设计人： 山东科技大学年月日 课程设计任务书 学院：信息科学与工程学院专业：班级：姓名： 一、课程设计题目：二分查找程序的实现二、课程设计主要参考资料 （1）计算机算法设计与分析（第三版）王晓东著（2）三、课程设计应解决的主要问题 （1）二分查找程序的实现（2）（3）四、课程设计相关附件（如：图纸、软件等）： （1）（2） 五、任务发出日期：20XX-11-21课程设计完成日期： 20XX-11-24 指导教师签字：系主任签字： 指导教师对课程设计的评语 成绩： 指导教师签字： 年月日 二分查找程序的实现 一、设计目的 算法设计与分析是计算机科学与技术专业的软件方向的必修课。同时，算法设计与分析既有较强的理论性，也有较强的实践性。算法设计与分析的实验过程需要完成课程学习过程各种算法的设计和实现，以达到提高教学效果，增强学生实践动手能力的目标。 用分治法，设计解决二分查找程序的实现问题的一个简捷的算法。通过解决二分查找程序的实现问题，初步学习分治策略。 二、设计要求 给定已按升序排好序的n个元素a[0:n-1]，现要在这n 个元素中找出一特定元素x。实现二分搜索的递归程序并进行跟踪分析其执行过程。 用顺序搜索方法时，逐个比较a[0:n-1]中的元素，直至找出元素x，或搜索遍整个数组后确定x不在其中。这个方 法没有很好的利用n个元素已排好序这个条件，因此在最坏情况下，顺序搜索方法需要o(n)次比较。要求二分法的时间复杂度小于o(n)。 三、设计说明（一）、需求分析 二分搜索方法充分利用了元素间的次序关系，采用分治策略，可在最坏情况下用o(logn)时间完成搜索任务。 该算法的流程图如下： （二）、概要设计 二分查(:二分搜索实验报告)找的基本思路是将n个元素分成大致相等的两部分，取a[n/2]与x做比较，如果 x=a[n/2],则找到x，算法终止；如果xa[n/2]，则只要在数组a的右半部分继续搜索x。 由于二分查找的数组不一定是一个整数数组，所以我采用了c++中的模板函数，将排序函数sort和二分查找函数binarysort写为了模板函数，这样不尽可以查找整数数组，也可以查找小数数组。 由于查找的数组的长度不固定，所以我用了c语言中的malloc和realloc函数，首先定义一个数组指针，用malloc 函数该它分配空间，然后向数组中存数，当数组空间满时，在用realloc函数为数组再次分配空间。由于在随机输入一组数时不知在什么位置停止，所以 篇二：二分搜索实验报告 从因特网获取信息的搜索技巧和策略九岁的欣然已经会使用搜索引擎查询其自己所需要的图片和资料了，她说：“很简单啊，我想要查七龙珠的图片，就用百度，输入七龙珠图片，再按回车就能查到了，接着再击右键“图片另存为”保存在桌面就可以了。”但是，是否每一个人都能很好的使用搜索引擎呢？在许多BBS里看到最多的贴子就是搜索求助，发贴人索要某方面的信息。搜索引擎的使用已经如此白痴化、傻瓜化了，可为什么还有人找不到相关资料和信息呢？ 搜索引擎为用户查找信息提供了极大的方便，你只需输入几个关键词，想要的资料就会从世界各个角落汇集到你的电脑前。但也有人有这样的疑惑：同样使用搜索引擎搜索信息，为什么我的搜索效率不高呢？搜索引擎返回的总是大量无关的信息呢？这种情况责任通常不在搜索引擎，而是因为你没有掌握提高搜索精度的技巧。有搜索高手说，所谓搜索，就是“在正确的地方使用正确的工具和正确的方法寻找正确的内容”。 搜索引擎是信息海洋里相当强悍的搜索利器，但并非有了它人人都是搜索高手。套用古龙先生的话：“有些人，即使神刀在手，也永远成不了刀中之神”——如果没有好好学习搜索引擎的使用，纵使神兵利器在手，也是废铁一堆。要想用好搜索引擎，就从下面一步步开始吧。 一、搜索技巧 1、明确你的搜索。 你真的会用搜索引擎吗？输入关键词，剩下的事情交给搜索引擎去办，搜索的确就这么简单。但是搜索引擎没有智能，不具有帮你浓缩问题的能力，无法帮你选出核心的关键词，你懒，它比你更懒。搜索引擎很伟大，很强悍，但是你得问对问题。能问出正确的问题，是能力，不是运气。 找什么，有确切的主题还是明确的关键词？这是你下一步选择信息来源的基础。 选择描述这些概念的关键字及其他形式(同义词、近义词等)，决定采用哪种搜索功能并选定搜索引擎，决定采用简单搜索还是高级搜索，考虑要不要用到布尔运算或者固定词组等等。 提炼关键词1：正确 输入正确的关键词，不要输入错别字。如“扬州”错输成“杨州” 输入的关键词不要太常见太普通，要具体一些；不要输入多义关键词。如“过敏性鼻炎”替代“鼻炎” 无法确认时，结合使用通配符，如google使用“*”，是全词通配符 提炼关键词2：准确 选择的关键词不要有歧义 一般认为，NP完全问题的算法复杂性是指数级的。当问题规模达到一定程度时，这些算法显得无能为力。 局部搜索算法、模拟退火算法和遗传算法等是较新发展起来的算法，算法引入了随机因素，不一定能找到最优解，但一般能快速找到满意的解。 组合优化问题举例 TSP问题 从某个城市出发，经过n个指定的城市，每个城市只能且必须经过一次，最后回到出发城市，如何安排旅行商的行走路线以使总路程最短？ 约束机器排序问题 n个加工量为di(i=1,2,… n)的产品在一台机器上加工，机器在第t个时段的工作能力为ct,完成所有产品加工的最少时段数。 指派问题 一家公司经理准备安排N名员工去完成N项任务，每人一项。由于各员工的特点不同，不同的员工去完成同一项任务时获得的回报是不同的。如何分配工作方案可以获得最大收益？ 0-1背包问题 设有一个容积为b的背包，n个体积分别为ai(i=1,2,… n),价值分别为ci (i=1,2,… n)的物品，如何以最大的价值装包？ 装箱问题 如何用个数最少的尺寸为1的箱子装进n个尺寸不超过1的物品？ SAT问题 称判定一个公式是否存在一个模型的问题为可满足性问题(以后简称为SAT 问题)。如果一个公式存在模型，则称该公式是可满足的，否则称为不可满足的。 皇后问题 在n×n的国际象棋棋盘上，摆放n个皇后，使得n个皇后之间不能相互“捕捉”？局部搜索算法 局部搜索算法是从爬山法改进而来的。 爬山法：在没有任何有关山顶的其他信息的情况下，沿着最陡的山坡向上爬。 局部搜索算法的基本思想：在搜索过程中，始终选择当前点的邻居中与离目标最近者的方向搜索。 爬山算法 1, n := s; 2, LOOP: IF GOAL(n) THEN EXIT(SUCCESS); 3, EXPAND(n) →{mi},计算h(mi), next n=min{h(mi)} 实验一启发式搜索算法 学号：2220103430 班级：计科二班 姓名：刘俊峰 一、实验内容： 使用启发式搜索算法求解8数码问题。 1、编制程序实现求解8数码问题A *算法，采用估价函数 ()()()()w n f n d n p n ??=+??? ， 其中：()d n 是搜索树中结点n 的深度；()w n 为结点n 的数据库中错放的棋子个数；()p n 为结点n 的数据库中每个棋子与其目标位置之间的距离总和。 2、 分析上述⑴中两种估价函数求解8数码问题的效率差别，给出一个是()p n 的上界 的()h n 的定义，并测试使用该估价函数是否使算法失去可采纳性。 二、实验目的： 熟练掌握启发式搜索A * 算法及其可采纳性。 三、实验原理： （一）问题描述 在一个3*3的方棋盘上放置着1,2,3,4,5,6,7,8八个数码,每个数码占一格,且有一个空格。这些数码可以在棋盘上移动，其移动规则是：与空格相邻的数码方格可以移入空格。现在的问题是：对于指定的初始棋局和目标棋局，给出数码的移动序列。该问题称八数码难题或者重排九宫问题。 （二）问题分析 八数码问题是个典型的状态图搜索问题。搜索方式有两种基本的方式，即树式搜索和线式搜索。搜索策略大体有盲目搜索和启发式搜索两大类。盲目搜索就是无“向导”的搜索，启发式搜索就是有“向导”的搜索。 启发式搜索:由于时间和空间资源的限制，穷举法只能解决一些状态空间很小的简单问题，而对于那些大状态空间的问题，穷举法就不能胜任，往往会导致“组合爆炸”。所以引入启发式搜索策略。启发式搜索就是利用启发性信息进行制导的搜索。它有利于快速找到问题的解。 由八数码问题的部分状态图可以看出，从初始节点开始，在通向目标节点的路径上，各节点的数码格局同目标节点相比较，其数码不同的位置个数在逐渐减少，最后为零。所以，这个 网上搜索超级技巧 1.使用逻辑词辅助查找 比较大的搜索引擎都支持使用逻辑词进行更复杂的搜索界定，常用的有:AND(和)、 OR(或)、NOT(否，有些是AND NOT)及NEAR(两个单词的靠近程度)，恰当应用它们可以使结果非常精确，另外，也可以使用括号将搜索词分别组合， 2.有针对性地选择搜索引擎 用不同的搜索引擎进行查询得到的结果常常有很大的差异，这是因为它们的设计目的和发展走向存在着许多的不同，比如: 购物客https://www.360docs.net/doc/653962662.html,是专用于网上购物的搜索引擎，能够进行价格等多种因素的比较；而Liszt(https://www.360docs.net/doc/653962662.html,)则是针对邮递列表、IRC等的搜索引擎。https://www.360docs.net/doc/653962662.html, 和https://www.360docs.net/doc/653962662.html,是综合搜索。 3.使用双引号进行精确查找 如果查找的是一个词组或多个汉字，最好的办法就是将它们用双引号括起来，这样得到的结果最少、最精确。例如在搜索引擎的Search(查询)框中输入"search engine"，这会比输入search engine得到更少、更好的结果。如果按上述方法查不到任何结果，可以去掉双引号试试。 4.使用加减号限定查找 很多搜索引擎都支持在搜索词前冠以加号(+)限定搜索结果中必须包含的词汇，用减号(-)限定搜索结果不能包含的词汇。 5.逐步细化法 按照搜索引擎的分类一层一层地点击下去，这对一些关键字不太确定的资料查询十分有效。Yahoo把网上的各种资料归类整理，分得很细，有休闲与运动、娱乐、健康与医药、艺术与人文等很多类别，而且有每一大类的链接进入后分成很多小类，一层一层地进入链接，分类也就越来越细，离你的目标也就越来越近。由于都是链接形式，所以使用起来又方便又简单，不用我多说了吧。 6.根据要求选择查询方法 如果需要快速找到一些相关性比较大的信息，可以使用目录式搜索引擎的查找功能，如使用Yahoo(https://www.360docs.net/doc/653962662.html,)。如果想得到某一方面比较系统的资源信息，可以使用目录一级一级地进行查找。如果要找的信息比较冷门，应该用比较大的全文搜索引擎查找，如Altavista(https://www.360docs.net/doc/653962662.html,/)或Hotbot(https://www.360docs.net/doc/653962662.html,/)。 7.注意细节 在Internet上进行查询时如果能注意一些细节问题，常常能增加搜索结果的准确性，如许多搜索引擎都区分字母的大小写，因此，如果您正在搜索人名或地名等关键词，应该正确使用它们的大小写字母形式。 8.利用搜索引擎的特性进行查找 不同的搜索引擎有一些专用的特性，应用它们可以使查询事半功倍，比如:若想知道某个新闻组上最近一段时间发表的文章，可以在Dejanews的查找框中输入"～g 组名"，例如"～g https://www.360docs.net/doc/653962662.html,ng.java.programmer"。 9.使用多元搜索引擎 多元搜索引擎是一种只需输入一次关键词就可以对多个搜索引擎进行查询的搜索代理网站，如Searchspaniel(https://www.360docs.net/doc/653962662.html,/)就可以同时对200多个搜索引擎进行查询。 10.利用选项界定查询 目前越来越多的搜索引擎开始提供更多的查询选项，利用这些选项人们可以轻松地构造比较复杂的搜索模式，进行更为精确的查询，并且能更好地控制查询结果的显示。 网上搜索的方法和技巧 我们已经知道网上有多种多样的教育资源，从技术上讲，它们是在Internet的多种服务功能的支持下实现的，包含WWW、e-mail、Usenet、FTP、BBS等，其中发展最快，也是最为流行的是WWW。因此我们着重介绍WWW信息的检索方法。 据1999年底的统计，网上大约有15亿个网页，并且以每天增加190万个网页的速度在增长，到2002年已达到80亿个网页。要想在这么大的一个资源库中查找一条具体 的信息，犹如大海捞针一般。因此，有人发出这样的感叹:"我们淹没在数据资料的的海 洋中,却又在忍受着知识的饥渴"。 现在出现了许多种在网上查找信息的方法。这些方法可以分为两类:一类是有既定目标的查找，一类是没有目标的查找，而后者往往是指一种网上"冲浪"游戏。在具有既定目标的情况下，如果已有信息线索，可以用浏览器航行的办法寻找信息对象;如果信息线索未定，则需要利用搜索工具首先获得信息线索。 搜索工具又有传统工具和现代工具之分。传统工具是在索引数据库中进行主题树/目录检索或KWDSEs(关键词搜索引擎)进行建设而索引库的建设是一个极其繁重的任 务，现在已经可以利用"机器人"程序来帮忙，它们通过跟踪最新建立的HTML网页的URL对整个网络进行浏览，可以在网上从这一个网站爬到另一个网站，并记录下它们访问过的网页的各自特征(这种只有十来年历史的搜索技术就被称为传统工具了，你觉得 奇怪吗?)。而现代搜索工具是利用智能代理来工作，它们不是对整个网络进行索引，而 是在接到一个新任务时就出发，去搜索网上资源并提取有价值的信息。因此，智能代理 是利用神经网络技术进行搜索，它试图去发现自然语言与样本网页的模式及它们之间的 相互关系，这些将与新近发现的网上资源相匹配，最后以一串网址的形式供用户访问。 图2_3_10显示了网上信息检索工具的选择方法。 # include 实验一二分搜索算法 E08620311-方凯-08计算机（3）班 一．实验目的： 1、理解分治算法的概念和基本要素； 2、理解递归的概念； 3、掌握设计有效算法的分治策略； 4、通过二分搜索技术学习分治策略设计技巧； 二．实验内容及要求： 1．使用二分搜索算法查找任意N个有序数列中的指定元素。 2．通过上机实验进行算法实现。 3．保存和打印出程序的运行结果，并结合程序进行分析，上交实验报告。 4.至少使用两种方法进行编程。 二．实验原理： 二分搜索算法也称为折半查找法，它充分利用了元素间的次序关系，采用分治策略，可在最坏的情况下用O(log n)完成搜索任务。 【基本思想】将n个元素分成个数大致相同的两半，取a[n/2]与欲查找的x 作比较，如果x=a[n/2]则找到x，算法终止。如果x 四．程序代码： 方法1：直接查找 int BinarySearch(int a[],int x,int n){ int left=0;int right=n-1; while(left<=right){ int middle=(left+right)/2; if(x==a[middle])return middle; if(x>a[middle])left=middle+1; else right=middle-1; } return-1; } 方法2:递归查找 int BinarySearchDG(int a[],int x,int left,int right){ int middle=(left+right)/2; if(left<=right){ if(x==a[middle])return middle; if(x>a[middle])return BinarySearchDG(a,x,middle+1,right); else return BinarySearchDG(a,x,left,middle-1); } return-1; } 比较各种搜索方法与技巧 因特网上的信息爆炸式的增长，而且毫无秩序。为了方便我们在网上快速准确地找到需要的信息，一些网站提供了搜索引擎服务。搜索引擎的使用看似简单，其实不然。如何快速、正确的寻找到我们所需的资源也需要一定的方法和技巧，关于搜索引擎的使用方法有多种多样，搜索引擎检索信息主要有目录检索和关键词查询两种方法。 目录检索：也称为分类检索，是因特网上最早提供WWW资源查询的服务，主要通过搜集和整理因特网的资源，根据搜集到的网页的内容，将其网址分配到相关分类主题目录的不同层次的类目之下，形成像图书馆目录一样的分类树形结构索引。目录检索无需输入任何文字，只要根据网站提供的主要分类目录，层层点击进入，便可查找到所需要的网络信息资源。当前国内具有代表性的提供目录检索服务的网站有雅虎中国（）和搜狗）等。 使用技巧 1、简单查询 在搜索引擎中输入关键词，然后点击“搜索”就行了，系统很快会返回查询结果，这是最简单的查询方法，使用方便，但是查询的结果却不准确，可能包含着许多无用的信息。所以选择正确的关键词才是一切的开始。学会从复杂搜索意图中提练出最具代表性和指示性的关键词对提高信息查询效率至关重要，这方面的技巧是所有搜索技巧之母。在输入关键词过程中，要避免错别字的使用、选取的关键词太 常见和多义词，这些都容易造成检索的信息量过大或与自己想选取内容相悖。 2、使用双引号用 给要查询的关键词加上双引号（半角，以下要加的其它符号同此），可以实现精确的查询，这种方法要求查询结果要精确匹配，不包括演变形式。例如在搜索引擎的文字框中输入“电传”，它就会返回网页中有“电传”这个关键字的网址，而不会返回诸如“电话传真”之类网页。 3、使用加号（+）或减号（-） 在关键词的前面使用加号，也就等于告诉搜索引擎该单词必须出现在搜索结果中的网页上。在关键词的前面使用减号，也就意味着在查询结果中不能出现该关键词。 4、使用括号 当两个关键词用另外一种操作符连在一起，而你又想把它们列为一组时，就可以对这两个词加上圆括号。 5、使用空格 在搜索关键词中加入“空格”进行信息搜索是最为常见的搜索技巧应用，空格起到的作用是“与”的意思。比方说我们在搜索中国的长城方面的信息时，只需输入“中国长城”就可以了。这个空格加上后，它的搜索范围既可能是“中国的长城”，也可能是“中国和长城”，还可能是“中国长城”或是“中国北京的长城”等信息，这样一来信息的范围无疑将会大大增加了。在使用空格组成关键词时，要 实验一：盲目搜索算法 一、实验目的 掌握盲目搜索算法之一的宽度优先搜索求解算法的基本思想。对于宽度优先搜索算法基本过程，算法分析有一个清晰的思路，了解宽度优先搜索算法在实际生活中的应用。 二、实验环境 PC机一台，VC++6.0 三、实验原理 宽度优先搜索算法（又称广度优先搜索）是最简便的图的搜索算法之一，这一算法也是很多重要的图的算法的原型。Dijkstra单源最短路径算法和Prim最小生成树算法都采用了和宽度优先搜索类似的思想。其别名又叫BFS，属于一种盲目搜寻法，目的是系统地展开并检查图中的所有节点，以找寻结果。同时，宽度优先搜索算法是连通图的一种遍历策略。因为它的思想是从一个顶点V0开始，辐射状地优先遍历其周围较广的区域，故得名。 其基本思想是： (1) 把起始节点放到OPEN表中(如果该起始节点为一目标节点，则求得一个解答)。 (2) 如果OPEN是个空表，则没有解，失败退出；否则继续。 (3) 把第一个节点(节点n)从OPEN表移出，并把它放入CLOSED扩展节点表中。 (4) 扩展节点n。如果没有后继节点，则转向上述第(2)步。 (5) 把n的所有后继节点放到OPEN表的末端，并提供从这些后继节点回到n的指针。 (6) 如果n的任一个后继节点是个目标节点，则找到一个解答，成功退出；否则转向第(2)步。 宽度优先搜索示意图和宽度优先算法流程图如下图1和图2所示： 图2、宽度优先算法流程图 四、实验数据及步骤 这部分内容是通过一个实例来对宽度优先算法进行一个演示，分析其思想。问题描述了《迷宫问题》的出路求解办法。 定义一个二维数组： int maze[5][5]={ 0，1，0，0，0， 0，1，0，1，0， 0，0，0，0，0， 0，1，1，1，0， 0，0，0，1，0， }; 它表示一个迷宫，其中的1表示墙壁，0表示可以走的路，只能横着走或竖着走，不能斜着走，要求编程序找出从左上角到右下角的最短路线。题目保证了输入是一定有解的。下面我们队问题进行求解： 对应于题目的输入数组： 0，1，0，0，0， 0，1，0，1，0， 0，0，0，0，0， 0，1，1，1，0， 0，0，0，1，0， 我们把节点定义为(y，x)，(y，x)表示数组maze的项maze[x][y]。于是起点就是(0，0)，终点是(4，4)。我们大概梳理一遍： 初始条件：起点Vs为(0，0)，终点Vd为(4，4)，灰色节点集合Q={}，初始化所有节点为白色节点，说明：初始全部都是白色（未访问），即将搜索起点（灰色），已经被搜索过了（黑色）。开始我们的宽度搜索。执行步骤： 1.起始节点Vs变成灰色，加入队列Q，Q={(0，0)} 2.取出队列Q的头一个节点Vn，Vn={0，0}，Q={} 3.把Vn={0，0}染成黑色，取出Vn所有相邻的白色节点{(1，0)} 有关路径搜索的一个算法 由各个直线组成的路网，求一点到另一点的所有路径： FindRateWay.h文件代码如下： #include 教学分析与教学设计思路 一、教学对象分析与教学设计 1 、本案例适用对象为初中二年级学生，这一阶段的学生正处在抽象逻辑思维逐步形成的过程中，但形象思维仍是获取知识的重要思维方式，同时，反省思维也开始萌芽和发展，但仍体现出意志薄弱、自控能力差等特征。任务的设计应针对他们的特点，形象性与抽象性结合，任务难度不宜过大。本案例经过适当改造，提升其方法与思想内涵，也适用于高中一年级学生，他们在初中学习阶段已经积累了一定的网络使用经验，但对比较高级的信息搜索技巧不甚清楚。 2 、初中学生活泼好动、好奇心强、求知欲旺、视野广泛，对信息技术充满兴趣；而且已具备一定的使用信息技术的经验，大部分同学曾经使用过搜索引擎，能够简单运用搜索引擎查找信息，但对一些常用的搜索技巧并不清楚，使用的也不多。在讲搜索引擎的时候，没有明确有趣的搜索对象，仅仅是输入一、两个关键字搜索信息，不能满足学生的需要，很难吸引学生的兴趣，学生也认识不到搜索引擎的对人们学习、生活和工作的重要性。因此要选取与学生学习和生活有关的事例，适当提高搜索难度，让学生体会利用搜索引擎完成搜索任务的乐趣和意义。 二、教学需要分析与教学设计信息素养不仅包括信息的获取、加工、传递、管理等基本技能，更重要的一方面在于培养学生利用信息技术改善学习的意识和能力。联系当前初二学生的实际，虽然利用网络搜索信息对于他们来说已不是一个很新鲜的内容，但是学生搜索信息的能力、用途等状况到底如何？是否符合信息素养的要求？为此前一节课我在 4 个班级做了一个网上问卷调查，调查结果如下：调查发现 66% 的同学经常上网搜索信息，但是 69% 的同学上网搜索信息的用途却是娱乐！这里揭示了两个问题：其一，虽然有 93% 的学生利用网络搜索过信息，但是，他们是否真正地掌握了搜索信息的方法？其二，应该培养学生利用网络搜索与学习有关信息的兴趣、意识和习惯。从第一个问题入手，通过提问发现：在搜索信息的过程中几乎没有同学思考过“ 搜索技巧” ！怎样让学生认识到“ 搜索技巧” 在搜索信息过程中的重要性呢？为此，我设计了“ 搜索技巧” 这样一个任务，提高学生有效搜索信息的能力，同时，引导学生利用搜索引擎获取与其他学科有关的内容，促进学科内容的学习，培养利用信息技术改善学习的意识和能力。 教学过程 环节一：创设情境、引起注意、提出任务 师：上一节课我们在四个班级做了网上问卷调查。这个结果真实地反映了同学们利用因特网的现状。【屏幕转播调查结果图】师：上一节课我还问过大家是否思考过“ 搜索技巧” ，结果绝大部分同学回答说没有。这与我们调查中93% 的学生利用网络搜索过信息是不是有一点名不符实了？生：七嘴八舌谈论“ 名实是否相符” 的问题。师：好！这节课我们通过完成一些任务，使同学们真正认清“ 搜索技巧” 的真面目，认识搜索技巧在搜索信息和学习过程中的重要性。师：（呈现任务）搜索下列内容：任务 1. 几何画板程序下载。（必做）任务 2. 中国的人口普查有悠久的历史，最早的中国人口普查数字大约是多少？（可选）任务 3. 如何评价拿破仑的功过（可根据历史课程的教学进度、学生的学习经验和网络资源改换其他学生熟悉的历史人物）。（可选）任务 4. 余光中《乡愁》的英语译稿（可根据语文课程的教学进度、学生的学习经验和网络资源改换其他学生熟悉的诗歌）。（可选）要求如下：分四组，指定每组同学完 从因特网获取信息的搜索技巧和策略 九岁的欣然已经会使用搜索引擎查询其自己所需要的图片和资料了，她说：“很简单啊，我想要查七龙珠的图片，就用百度，输入七龙珠图片，再按回车就能查到了，接着再击右键“图片另存为”保存在桌面就可以了。”但是，是否每一个人都能很好的使用搜索引擎呢？在许多BBS 里看到最多的贴子就是搜索求助，发贴人索要某方面的信息。搜索引擎的使用已经如此白痴化、傻瓜化了，可为什么还有人找不到相关资料和信息呢？ 搜索引擎为用户查找信息提供了极大的方便，你只需输入几个关键词，想要的资料就会从世界各个角落汇集到你的电脑前。但也有人有这样的疑惑：同样使用搜索引擎搜索信息，为什么我的搜索效率不高呢？搜索引擎返回的总是大量无关的信息呢？这种情况责任通常不在搜索引擎，而是因为你没有掌握提高搜索精度的技巧。有搜索高手说，所谓搜索，就是“在正确的地方使用正确的工具和正确的方法寻找正确的内容”。 搜索引擎是信息海洋里相当强悍的搜索利器，但并非有了它人人都是搜索高手。套用古龙先生的话：“有些人，即使神刀在手，也永远成不了刀中之神”——如果没有好好学习搜索引擎的使用，纵使神兵利器在手，也是废铁一堆。要想用好搜索引擎，就从下面一步步开始吧。 一、搜索技巧 1、明确你的搜索。 你真的会用搜索引擎吗？输入关键词，剩下的事情交给搜索引擎去办，搜索的确就这么简单。但是搜索引擎没有智能，不具有帮你浓缩问题的能力，无法帮你选出核心的关键词，你懒，它比你更懒。搜索引擎很伟大，很强悍，但是你得问对问题。能问出正确的问题，是能力，不是运气。 找什么，有确切的主题还是明确的关键词？这是你下一步选择信息来源的基础。 选择描述这些概念的关键字及其他形式(同义词、近义词等)，决定采用哪种搜索功能并选定搜索引擎，决定采用简单搜索还是高级搜索，考虑要不要用到布尔运算或者固定词组等等。 提炼关键词1：正确 输入正确的关键词，不要输入错别字。如“扬州”错输成“杨州” 输入的关键词不要太常见太普通，要具体一些；不要输入多义关键词。如“过敏性鼻炎”替代“鼻炎” 无法确认时，结合使用通配符，如google使用“*”，是全词通配符 提炼关键词2：准确 选择的关键词不要有歧义 提炼关键词3：精确 建立搜索表达式，使用符合该搜索引擎语法的正确表达式，开始搜索。 有些搜索引擎支持搜索表达式，如：用加号（+）、减号（-）表示必须包含、不能包含的词；用“AND”或“&”表示并且；用“OR”或“|”表示或者；用“NOT”、“!”或“and not”表示取反；用title、site等限 实验二：A*算法 一、实验目的 了解启发式搜索算法的基本思想，掌握A*算法的基本原理和步骤。学会对于算法的正确应用，解决实际生活中的问题。学会区分与盲目搜索算法的不同之处。 二、实验环境 PC机一台，VC++6.0 三、实验原理 A*搜索算法，俗称A星算法。这是一种在图形平面上，有多个节点的路径，求出最低通过成本的算法。常用于游戏中的NPC（Non-Player-ControlledCharacter）的移动计算，或线上游戏的BOT（ROBOT）的移动计算上。该算法像Dijkstra算法一样，可以找到一条最短路径；也像BFS一样，进行启发式的搜索。 A*算法是一种启发式搜索算法，启发式搜索就是在状态空间中的搜索对每一个搜索的位置进行评估，得到最好的位置，再从这个位置进行搜索直到目标。这样可以省略大量无谓的搜索路径，提高了效率。在启发式搜索中，对位置的估价是十分重要的。采用了不同的估价可以有不同的效果。 A*算法的公式为：f(n)=g(n)+h(n)，g(n)表示从起点到任意顶点n的实际距离，h(n)表示任意顶点n到目标顶点的估算距离。这个公式遵循以下特性： 如果h(n)为0，只需求出g(n)，即求出起点到任意顶点n的最短路径，则转化为单源最短路径问题，即Dijkstra算法 如果h(n)<=“n到目标的实际距离”，则一定可以求出最优解。而且h(n)越小，需要计算的节点越多，算法效率越低。 对于函数h(n)，估算距离常用的方法有： 曼哈顿距离：定义曼哈顿距离的正式意义为L1-距离或城市区块距离，也就是在欧几里德空间的固定直角坐标系上两点所形成的线段对轴 产生的投影的距离总和。例如在平面上，坐标（x1,y1）的点P1与坐标（x2, y2）的点P2的曼哈顿距离为：|x1 - x2| + |y1 - y2|。 欧氏距离：是一个通常采用的距离定义，它是在m维空间中两个点之间的真实距离。在二维和三维空间中的欧氏距离的就是两点之间的距离。例如在平面上，坐标（x1,y1）的点P1与坐标（x2, y2）的点P2的欧氏距离为： sqrt((x1-x2)^2+(y1-y2)^2 )。 切比雪夫距离：是两个向量之间各分量差值的最大值。例如在平面上，坐标（x1, y1）的点P1与坐标（x2, y2）的点P2的切比雪夫距离为：max(|x1 - x2| , |y1 - y2|)。 A*算法最为核心的部分，就在于它的一个估值函数的设计上： f(n)=g(n)+h(n) 其中f(n)是每个可能试探点的估值，它有两部分组成： 一部分，为g(n)，它表示从起始搜索点到当前点的代价（通常用某结点在搜索树中的深度来表示）。 另一部分，即h(n)，它表示启发式搜索中最为重要的一部分，即当前结点到目标结点的估值， h(n)设计的好坏，直接影响着具有此种启发式函数的启发式算法的是否能称为A*算法。 一种具有f(n)=g(n)+h(n)策略的启发式算法能成为A*算法的充分条件是： 1、搜索树上存在着从起始点到终了点的最优路径。 2、问题域是有限的。 3、所有结点的子结点的搜索代价值>0。 4、h(n)=百度搜索的一些实用技巧
搜索策略实验报告
检索策略
局部搜索算法
二分搜索实验报告
搜索技巧和策略分析
局部搜索
实验一 启发式搜索算法
网上搜索超级技巧
网上搜索的方法和技巧
局部搜索算法源代码
实验一 二分搜索算法
比较各种搜索方法与技巧
实验一盲目搜索算法
有关路径搜索的一个算法
#include
搜索的技巧
搜索技巧和策略
实验二、A＊搜索算法