each a distance of one from their f

each a distance of one from their final destinations while tiles 3 and 6 are each a
distance of two from home). In fact, it actually takes seven moves to return this
puzzle configuration to the solved configuration.

Now that we have a heuristic for the eight-puzzle, the next step is to incorporate
it into our decision-making process. Recall that a human faced with a decision
tends to select the option that appears closest to the goal. Thus our search
procedure should consider the heuristic of each leaf node in the search tree and
pursue the search from a leaf node associated with the smallest value. This is the
strategy adopted in Figure 11.10, which presents an algorithm for developing a
search tree and executing the solution obtained.

Let us apply this algorithm to the eight-puzzle, starting from the initial configuration
in Figure 11.6. First, we establish this initial state as the root node and
record its heuristic value, which is five. Then, the first pass through the body of
the while statement instructs us to add the three nodes that can be reached from
the initial state, as shown in Figure 11.11. Note that we have recorded the heuristic
value of each leaf node in parentheses beneath the node.

The goal node has not been reached, so we again pass through the body of
the while statement, this time extending our search from the leftmost node (“the

ผลลัพธ์ (ไทย) 1:

แต่ละระยะทางจากจุดหมายปลายทางสุดท้ายของพวกเขาในขณะที่กระเบื้อง 3 และ 6 แต่ละตัวระยะสองจากบ้าน) ในความเป็นจริง จริงก็ย้ายเจ็ดมาคืนปริศนาการตั้งค่าคอนฟิกการตั้งค่าคอนฟิกแก้ไขตอนนี้ให้เรา heuristic สำหรับปริศนาแปด ขั้นตอนถัดไปคือการ รวมมันเป็นกระบวนการตัดสินใจของเรา เรียกคืนที่มนุษย์ต้องเผชิญกับการตัดสินใจมีแนวโน้มให้ เลือกตัวเลือกที่ปรากฏใกล้เคียงกับเป้าหมาย ดังนั้นการค้นหาของเรากระบวนพิจารณา heuristic ของแต่ละโหนดสาขาในค้นหา และดำเนินการค้นหาจากโหนดสาขาสัมพันธ์กับค่าน้อยที่สุด นี่คือการกลยุทธ์ที่นำมาใช้ในรูปที่ 11.10 ซึ่งแสดงขั้นตอนวิธีการสำหรับพัฒนาเป็นต้นไม้ค้นหาและดำเนินการแก้ปัญหาที่ได้รับเราใช้อัลกอริทึมนี้แปดปริศนา เริ่มต้นจากการกำหนดค่าเริ่มต้นในรูปที่ 11.6 การ ครั้งแรก สร้างสถานะเริ่มต้นนี้เป็นโหนดราก และบันทึกค่าแล้ว ซึ่งเป็นห้า แล้ว ด่านแรกผ่านร่างกายของในขณะงบกำหนดให้เพิ่มโหนด 3 ที่สามารถเข้าถึงได้จากสถานะที่เริ่มต้น เป็นแสดงในรูปที่ 11.11 โปรดสังเกตว่า เรามีบันทึกที่ heuristicค่าของแต่ละโหนดสาขาในวงเล็บใต้โหนดโหนเป้าหมายไม่แล้ว เพื่อให้เราส่งผ่านร่างกายของอีกในขณะที่งบ เวลานี้ขยายการค้นหาของเราจากซ้ายโหน ("_FITTED

ผลลัพธ์ (ไทย) 2:

แต่ละระยะทางจากจุดหมายปลายทางสุดท้ายของพวกเขาในขณะที่กระเบื้อง 3 และ 6
เป็นแต่ละระยะทางสองจากที่บ้าน)
ในความเป็นจริงมันเป็นจริงจะใช้เวลาเจ็ดย้ายไปกลับนี้การกำหนดค่าปริศนาที่จะแก้ไขการตั้งค่า. ตอนนี้เรามีการแก้ปัญหาสำหรับแปดปริศนาขั้นตอนต่อไปคือการรวมลงในกระบวนการตัดสินใจของเรา จำได้ว่ามนุษย์ต้องเผชิญกับการตัดสินใจมีแนวโน้มที่จะเลือกตัวเลือกที่ปรากฏขึ้นใกล้เคียงกับเป้าหมาย ดังนั้นการค้นหาของเราขั้นตอนที่ควรพิจารณาแก้ปัญหาของแต่ละโหนดในต้นไม้ใบค้นหาและติดตามการค้นหาจากโหนดใบที่เกี่ยวข้องกับค่าที่น้อยที่สุด นี่คือกลยุทธ์ที่นำมาใช้ในรูปที่ 11.10 ซึ่งนำเสนอขั้นตอนวิธีการในการพัฒนาต้นไม้ค้นหาและการดำเนินการแก้ปัญหาที่ได้รับ. ขอให้เราใช้อัลกอริทึมนี้ไปแปดปริศนาเริ่มต้นจากการกำหนดค่าเริ่มต้นในรูปที่ 11.6 ครั้งแรกที่เราสร้างรัฐนี้เริ่มต้นเป็นโหนดรากและบันทึกมูลค่าการแก้ปัญหาซึ่งเป็นห้า จากนั้นผ่านครั้งแรกผ่านร่างกายของคำสั่งในขณะที่สั่งให้เราเพื่อเพิ่มสามโหนดที่สามารถเข้าถึงได้จากสถานะเริ่มต้นดังแสดงในรูปที่11.11 โปรดทราบว่าเราได้บันทึกไว้แก้ปัญหาค่าของแต่ละโหนดใบในวงเล็บใต้โหนด. โหนดเป้าหมายยังไม่ได้รับถึงเพื่อให้เราอีกครั้งผ่านร่างกายของคำสั่งในขณะที่เวลานี้การขยายการค้นหาของเราจากโหนดซ้ายสุด ("ผู้

ผลลัพธ์ (ไทย) 3:

แต่ละระยะหนึ่งจากปลายทางสุดท้ายของพวกเขาในขณะที่กระเบื้อง 3 และ 6 แต่ละ
ระยะทางสองจากบ้าน ) ในความเป็นจริง , มันจริงจะใช้เวลาเจ็ดย้ายกลับมาปรับแต่งปริศนานี้
เพื่อแก้ไขค่า

ตอนนี้เรามีฮิวริสติกสำหรับแปดปริศนา , ขั้นตอนต่อไปคือการรวม
ในการตัดสินใจของเรา จำได้ว่า มนุษย์ต้องเผชิญกับการตัดสินใจ
มีแนวโน้มที่จะเลือกตัวเลือกที่ปรากฏขึ้นใกล้เป้าหมาย ดังนั้นขั้นตอนการค้นหา
ของเราควรพิจารณาการแก้ปัญหาของใบไม้แต่ละโหนดในต้นไม้ค้นหา
ติดตามและค้นหาจากใบโหนดที่เกี่ยวข้องกับค่าที่น้อยที่สุด นี้เป็นกลยุทธ์ที่ใช้ในรูปที่ 11.10
ซึ่งเสนออัลกอริทึมสำหรับการพัฒนา
ค้นหาต้นไม้และดำเนินการโซลูชั่น

)เราใช้วิธีนี้กับแปดปริศนา โดยเริ่มจากการตั้งค่าเริ่มต้นในรูปที่ 11.6
. แรกเราสร้างรัฐนี้เริ่มต้นเป็นบันทึกค่าฮิวริสติกของปมรากและ
ที่ 5 แล้วครั้งแรกผ่านร่างกายของ
งบในขณะที่ให้เราเพื่อเพิ่มสามจุดที่สามารถเข้าถึงได้จาก
สถานะเริ่มต้น ดังแสดงในรูปที่ 11.11 .โปรดทราบว่าเราได้บันทึกค่าฮิวริสติก
ของแต่ละปมใบในวงเล็บใต้โหนด โหนด

เป้าหมายได้ถึงเราอีกครั้งผ่านร่างกายของ
ในขณะที่งบ คราวนี้ขยายการค้นหาของเราจากโหนด ( " ต่างกัน