Return the sum of a and b
To run this script, type
python buyLotsOfFruit.py
Once you have correctly implemented the buyLotsOfFruit function,
the script should produce the output:
Cost of [('apples', 2.0), ('pears', 3.0), ('limes', 4.0)] is 12.25
Here's the intended output of this script, once you fill it in:
Welcome to shop1 fruit shop
Welcome to shop2 fruit shop
For orders: [('apples', 1.0), ('oranges', 3.0)] best shop is shop1
For orders: [('apples', 3.0)] best shop is shop2
In search.py, you will implement generic search algorithms which are called by
Pacman agents (in searchAgents.py).
Search the deepest nodes in the search tree first.
Your search algorithm needs to return a list of actions that reaches the
goal. Make sure to implement a graph search algorithm.
To get started, you might want to try some of these simple commands to
understand the search problem that is being passed in:
该算法要求首先搜索搜索树中最深的节点。
您的搜索算法需要返回到达目标的操作列表，并且必须实现图搜索算法。
为了开始解决问题，您可以尝试使用一些简单的命令来理解传入算法的搜索问题。
以下是一些示例命令：
print("Start:", problem.getStartState())
print("Is the start a goal?", problem.isGoalState(problem.getStartState()))
print("Start's successors:", problem.getSuccessors(problem.getStartState()))
代码解释
这段代码实现了一个使用深度优先搜索（DFS）算法的通用搜索算法，以求解问题（problem）的解决方案。
它将起始状态（initState）加入一个堆栈（frontier）中，并通过使用节点指针（parentOf、actionTo 和 pathCostOf）
和探索集合（exploredSet）来跟踪搜索过程中访问过的状态。
在算法的主循环中，每次从堆栈中取出一个节点（thisNode），并检查它是否是目标状态。
如果是，算法将使用指针回溯到起始状态，并将路径上的每个动作添加到一个列表中，并将该列表反转并返回作为最终的解决方案。
如果当前节点不是目标状态，则算法会将其所有的未探索子节点添加到堆栈中，并将其加入探索集合。
然后，算法更新指针和路径成本，并继续迭代堆栈，直到找到目标状态或堆栈为空。如果搜索完整个状态空间后，仍然没有找到解决方案，则算法返回一个空列表。
Search the shallowest nodes in the search tree first.
首先搜索搜索树中最浅的节点
Search the node of least total cost first.
首先搜索总成本最低的节点
A heuristic function estimates the cost from the current state to the nearest
goal in the provided SearchProblem. This heuristic is trivial.
启发式函数估计从当前状态到最近状态的成本
提供的 SearchProblem 中的目标。这种启发式是微不足道的。
Search the node that has the lowest combined cost and heuristic first.
首先搜索具有最低组合成本和启发式的节点。