تحليل خوارزمية A* - كتاب الذكاء الإصطناعي - الصف 12 - الفصل 1 - المملكة العربية السعودية

--- SECTION: Code Snippet 1 --- candidate_estimate = shortest_distance[candidate]+heuristic(candidate, target_cell) if candidate_estimate < best_estimate: winner = candidate best_estimate=candidate_estimate return winnerيستخدم التطبيق المشار إليه بالأعلى حلقة التكرار For لفحص الخلايا المُرشحة في المجموعة وتحديد الأفضل. ولتطبيق أكثر كفاءة، قد يُستخدم طابور الأولوية (Priority Queue) في تحديد المُرشح الأفضل دون الحاجة إلى فحص كل المُرشحين بصورة متكررة. تُستخدم دالة get_best_candidate() كدالة مُساعدة بواسطة الدالة الاستدلالية، يُستخدم هذا التطبيق كذلك astar_maze_solver() الموضحة فيما يلي. وبالإضافة إلى الدالتين المُساعدتين ()get_accessible_neighbors_weighted و ()reconstruct_shortest_path المُشار إليهما في القسم السابق.--- SECTION: Code Snippet 2 --- import sys def astar_maze_solver(start_cell:tuple, target_cell:tuple, maze:np.ndarray, get_neighbors: Callable, heuristic:Callable, verbose:bool=False):cell_visits=0shortest_distance = {} shortest_distance[start_cell] = 0parent = {} parent[start_cell] = start_cell expansion_candidates = set([(start_cell)])fully_expanded = set()# while there are still cells to be expanded while len(expansion_candidates) > 0:best_cell = get_best_candidate(expansion_candidates,shortest_distance,heuristic)if best_cell == None: break if verbose: print('\nExpanding cell', best_cell)# if the target cell has been reached, reconstruct the shortest path and exit if best_cell == target_cell:2023 - 1447