soulcarus / N-Queens-IA

Solução das N-Rainhas com os algoritmos: Hill Climbing Estocástico, Hill Climbing Steepest e Simulated Annealing

N-Rainhas com Hill Climbing e Simulated Annealing

Hill Climbing Estocástico

Implementação do algoritmo Hill Climbing Estocástico para resolver o problema das N-Rainhas.

Funções Implementadas:

• colisoes_linha(tabuleiro): Calcula o número de colisões em linhas no tabuleiro.
• colisoes_diagonal(tabuleiro): Calcula o número de colisões diagonais no tabuleiro.
• gerar_candidatos(atual): Gera candidatos fazendo alterações em cada linha individualmente.
• gerar_estado(n): Cria um novo estado aleatório.
• hill_climbing(inicial): Implementação do algoritmo Hill Climbing.
• nqueens(estado): Função principal que utiliza o Hill Climbing para resolver o problema das N-Rainhas.

Hill Climbing Subida Íngrime:

Implementação do algoritmo Hill Climbing com ramificação SUbida Íngrime para resolver o problema das N-Rainhas.

Funções Implementadas:

• colisoes_linha(tabuleiro): Calcula o número de colisões em linhas no tabuleiro.
• colisoes_diagonal(tabuleiro): Calcula o número de colisões diagonais no tabuleiro.
• gerar_candidatos(atual): Gera candidatos fazendo alterações em cada linha individualmente.
• gerar_estado(n): Cria um novo estado aleatório.
• steepest_ascent_hill_climbing(inicial): Implementação do algoritmo Hill Climbing Subida mais Íngrime.
• nqueens(estado): Função principal que utiliza o Hill Climbing Estocástico para resolver o problema das N-Rainhas.

Simulated Annealing

Implementação do algoritmo Simulated Annealing para resolver o problema das N-Rainhas.

Funções Implementadas:

• colisoes_linha(tabuleiro): Calcula o número de colisões em linhas no tabuleiro.
• colisoes_diagonal(tabuleiro): Calcula o número de colisões diagonais no tabuleiro.
• gerar_candidatos(atual): Gera candidatos fazendo alterações em cada linha individualmente.
• gerar_estado(n): Cria um novo estado aleatório.
• temperatura_atual(iteracao, max_iteracoes, temp_inicial): Calcula a temperatura atual no algoritmo Simulated Annealing.
• probabilidade_aceitar(delta_avaliacao, temperatura): Calcula a probabilidade de aceitar um movimento no Simulated Annealing.
• tempera_simulada(inicial, max_iteracoes=1000, temp_inicial=1.0): Implementação do algoritmo Simulated Annealing.
• nqueens_tempera_simulada(estado): Função principal que utiliza o Simulated Annealing para resolver o problema das N-Rainhas.

Como Usar:

• Execute cada código de maneira individual p/ resolver o problema com os algoritmos.