基于Python的九宫重排设计

• 实验报告:实验报告.md

• 可执行文件:main.exe

• 源代码文件夹:源代码

• 点击[随机打乱]，程序生成可解序列，右上方的显示框和拼图会发生改变；
• 点击[A*搜索]，等待，一般2s以内能够完成；
• 点击[效果展示]，拼图会随着设定速度复原，拼图速度设置需要在点击[效果展示]前。

• 在右上角输入0-8序列；
• 点击[手动打乱]，程序会检测拼写错误和可解性，可解序列会使拼图打乱；
• 点击[A*搜索]，等待，一般2s以内能够完成；
• 点击[效果展示]，拼图会随着设定速度复原，拼图速度设置需要在点击[效果展示]前。

核心算法在./源代码/Astar.py中，最主要的搜索过程在函数solution()中。

将初始节点放入Open表，每一pop一个状态now_state，访问now_state所有可能的移动方式，如果和移动后的状态和now_state的父状态不一样，就把移动后的状态放入Open表，而后不断从Open表pop状态。

Open表是以f作为优先级的优先级队列，且 f = g i v e n + h e u r i s t i c f=given+heuristic f=given+heuristic。

其中given表示初始状态转化为现状态的变换次数， h e u r i s t i c = P + 3 S heuristic=P+3S heuristic=P+3S，P表示当前状态到目标状态对应点坐标的1-范数，S由下面的方法计算得到:

• 九宫中心位不是0，S加1，否则不变；
• 检测当前状态和目标状态九宫外围顺时针序列，遍历任意非0的两个数，若两个数在两个序列中相对顺序相反，S加2，否则不变。

有的时候可执行文件会未响应(不知道bug在哪里，算法测试正常)，可以直接测试Astar.py。如果需要直接测试某个可行序列，可以在test.py的list_range直接输入序列，直接观察算法效果，避免图像界面的影响。

(这部分和实验报告没有关系)

pyrcc5 -o resource.py resource.qrc

其中resource.qrc写入素材路径

 
 
 
material/background.png 
material/result/1.png
material/result/2.png
material/result/3.png
material/result/4.png
material/result/5.png
material/result/6.png
material/result/7.png
material/result/8.png
material/result/0.png
 

pyuic5 -o ReRankSudoku.py ReRankSudoku.ui

pyinstaller -F -i favicon.ico main.py Astar.py resource.py ReRankSudoku.py -w