拿到这个实验的时候，我是一脸懵逼的，毕竟理论课只上了一节，还全是在吹水，然后实验课就来了，还是用的Python。实验课是周二上午上的，然而我周三晚上就把整个实验肝完了，期间除了上课和早上学英语单词，其他时间都在这上面，写代码还是挺快乐的，于是将（踩坑）过程记录如下：
偷个懒，以下是实验报告原文：
分析估价函数对启发式搜索算法的影响。
由实验结果可知，估价函数的选取对结果的长度和求出的时间都有印象，不同的估价函数应对不同的初值，性能也有差异。总的来说，选取一个好的估价函数，对于使用启发式搜索算法又快又好地求出结果是至关重要的。
探究讨论各个搜索算法的特点。
广度优先搜索：如果有解，总是能找到最优解，但是其效率较低，体现在耗时较长。
深度优先搜索：一般找到的都不是最优解，性能和深度限制的设置有很大关系。
A&A*启发式搜索: 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，效率极高。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。
*扩展选做题：从初始状态到目标状态的变换，符合什么规律才可解。
由数学知识可知，可计算这两个有序数列的逆序值，如果两者都是偶数或奇数，则可通过变换到达，否则，这两个状态不可达。
我的思考：
在编写代码的过程中，我遇到了许多或“哭笑不得”，或“意味深长”的bug。下面列举几例：
一．预先给的代码在我的电脑上（Linux）无法运行
但是在其他同学的Windows电脑上却能跑起来，我查阅资料，再细看这个报错，感觉这个构造函数里的“拼图”字符串是多此一举，遂去掉，程序便能正常运行了！
二．Python语言不熟练导致的问题
因为我对Python的了解不太深入，就导致了一些我写的代码和我想要的效果不一致的问题，比如：for i in range(-(COLS-1), COLS-1)中，range是“右开”的，所以右边界是取不到的。再比如有如下问题：错误写法看似没有毛病，如果是C的话，确实没毛病，但是Python中变量可以不声明就直接赋值，所以这里Python就会把145行当成声明了一个局部变量，即使外面有同名全局变量！第一种解决方法就是，因为该值是一个数组，所以可以直接操作其数组内的值，此时就会取到全局变量，没有歧义；第二种解决方法就是使用global声明该变量是全局变量，再对其进行操作。
三．i与j和x与y的匹配问题，到底哪个是行，哪个是列，常常搞得人晕头转向，不过使用调试器或者事先仔细思考一下也能解决。
总的来说，这次实验我确实学习到了很多，也收获到了很多。
代码地址：https://github.com/Yuzi0201/AIProgramming/blob/main/EX1/tmpPuzzleWithAutoPlay.py
一些参考：
https://zhuanlan.zhihu.com/p/266830722
https://blog.csdn.net/weixin_48557496/article/details/121463172
局部变量问题：