第四章一般搜索原理.pptVIP

人工智能及其应用 主讲：李敏 教授 一般搜索原理 前面研究的知识表示方法是问题求解所必需的。表示问题是为了进一步解决问题。从问题表示到问题的解决，有个求解的过程。也就是搜索过程。在这一过程中，采用适当的搜索技术，包括各种规则、过程和算法等推理技术，力求找到问题的解答。本章讨论一些早期的搜索技术或用于解决比较简单问题的搜索原理。 盲目搜索 从本节起，我们将要研究如何通过网络寻找路径，进而求解问题。我们还将学习宽度优先搜索和深度优先搜索，它们均属于盲目搜索方法。盲目搜索又叫做无信息搜索，一般只适用于求解比较简单的问题。 1. 一般搜索过程 对于一个具体问题，如如何生成它所需要的部分状态空间从而实现对问题的求解呢？在人工智能中是通过运用搜索技术来解决这一问题的。 其基本思想是：首先把问题的初始状态（即初始节点—）作为当前状态，选择适用的算符对其进行操作，生成一组子状态（或称为后继状态，后继节点，子节点），然后检查目标状态是否在其中出现。若出现，则搜索成功，找到了问题的解；若不出现，则按某种搜索策略从已生成的状态中再选出一个状态作为当前状态。重复上述过程，直到目标状态出现或者不再有可供操作的状态及算符时为止。 下面列出状态空间的一般搜索过程。 搜索过程中要用到两个数据结构(OPEN表与CLOSED表)。OPEN表用于存放刚生成的节点。CLOSED表用于存放将要扩展或者已扩展的节点。 所谓对一个节点进行“扩展”是指：用合适的算符对该节点进行操作，生成一组子节点。 1 2 3 4 6 5 在深度优先搜索中， 我们首先扩展最新产生的(即最深的)节点，深度相等的节点可以任意排列。 我们定义节点的深度如下； (1)起始节点(即根节点)的深度为0。 (2)任何其它节点的深度等于其父辈节点 深度加上1。 含有深度界限的深度优先搜索算法如下： (1)把起始节点S放到末扩展节点OPEN表中。如果此节点为一个目标节点，则得到一个解。 (2)如果OPEN为一空表，则失败退出。 (3)把第一个节点(节点n)从OPEN表移到CLOSED表。 (4)如果节点n的深度等于最大深度，则转向(2)。 (5)扩展节点n，产生其全部后裔，并把它们故入OPEN表的前头。如果没有后裔，R 转向(2)。 (6)如果后继节点中有任一个为目标节点．则求得一个解，成功退出；否则，转向(2)。 有界深度优先搜索算法的程序框图见图 3.2 启发式搜索 1.启发式搜索策略 深度和宽度优先搜索法都是属于盲目搜索法，各子节点在OPEN中的次序是由搜索方法本身所确定的，没有利用各子节点状态信息或问题有关信息作引导，因而是盲目的，产生的无用节点较多，搜索空间较大，效率不高。 对于复杂的问题求解系统，不仅显示出搜索效率降低，而且“组合爆炸”问题突出。例如一棵树，每个子节点有35个后继节点，共有100层，则总计有35100个节点，若计算每个节点用1毫秒，则需要10138年。 因而在问题求解中引入与问题求解有关的启发式信息，对搜索效率和求解质量都是极为必要和有益的，为此，利用启发式信息引导搜索路径的方法称为启发式搜索法。可有三种基本启发式信息搜索策略来： 例：五城市间的交通路线如图所示，A城市是出发地，E城市是目的地，两城市间的交通费用（代价）如图所示。求从A到E的最小费用交通路线。 最优解A－C1－D1－E2 代价为8 路线：A－C－D－E (1)节点选择：根据启发式信息决定要扩展的下一个节点（最有希望的节点） (2)操作选择：控制下层子节点产生，以避免盲目地同时生成所有可能的节点。 (3)剪枝技术：在图搜索中对某些节点从图中剪去。 在本节中，我们只讨论利用上述第一种启发信息的状态空间搜索算法，即决定哪个是下一步要扩展的节点。这种搜索总是选择“最有希望”的节点作为下一个被扩展的节点。这种搜索叫做有序搜索(ordered search)。 一个节点的“希望”(promise)有几种不同的定义方法。在状态空间问题中，一种方法是估算目标节点到此节点的距离；另一种方法认为，解答路径包括被估价过的节点，并计算全条路径的长度或难度。每个不同的衡量标准只能考虑该问题中这个节点的某些决定性特性，或者对给定节点与目标节点进行比较，以决定相关特性。在所有这些情况下，用来估算节点希望程度的量度．叫做估价函数。 2.估价函数 用来估算节点希望程度的量度，叫做估价函数。用符号f表示，用f(n)表示节点你的估价函数值。 3.有序搜索(最好优先搜索) 选择最有希望的节点作