有关蚁群优化算法收敛性分析的研究还很少,不利于进一步改进其算法.为此, 较详细地分析了用蚁群优化算法求解TSP问题的收敛性,证明了当0

人工智能课上的实验作业，基于阿尔法贝塔剪技搜索，参考了PC 游戏编程（人机博弈）这本书，注释比较多，实现了悔棋功能

功能： 1. 立刻判断是否有解 2. 对于所有有解的情况，只要对搜索的状态数的限 制适当放宽，总是能够找到解的 3. 支持随机初始状态和自给定初始状态 4. 支持游戏模式 呵呵 运行参数: 1. 不带参数 随机初始状态搜索 java rearrange.Rearrange 2. 参数rc： random calculate，功能同1 java rearrange.Rearrange rc 3. 参数fc：fixed calculate，搜索指定初始状态 java rearrange.Rearrange fc 3-4-2-7-0-1-5-6-8 4. 参数rg：random game， fg：fixed game 自己看看吧 java rearrange.Rearrange rg java rearrange.Rearrange fg

八数码问题代码，用全局择优解决八数码问题，启发函数采用曼哈顿路径和计算不同节点两种方法。对学习人工智能图搜索应该很有帮助。

八数码问题代码，用全局择优解决八数码问题，启发函数采用曼哈顿路径和计算不同节点两种方法。对学习人工智能图搜索应该很有帮助。

八数码问题是人工智能经典难题之一。问题是在3×3 方格盘上，放有八个数码，剩下一个为空，每一空格其上下左右的数码可移至空格。问题给定初始位置和目标位置，要求通过一系列的数码移动，将初始位置转化为目标位置。本文介绍用A星算法，采用估计值h（n）（曼哈顿距离）和g(m)(当前深度)的和作为估计函数。