第3章 A算法.pptVIP

人工智能 人工智能 主讲教师：张坤丽 Email：ieklzhang@zzu.edu.cn 第3章 图搜索与问题求解 3.1 状态图知识表示（状态图搜索问题求解） 3.2 状态图搜索 3.3 与或图知识表示（与或图搜索问题求解 ） 3.4 与或图搜索 3.5 博弈树搜索 3.2 状态图搜索 3.2.1状态图搜索 3.2.2穷举式搜索 3.2.3启发式搜索 3.2.4加权状态图搜索 3.2.5启发式图搜索的A算法和A*算法 3.2.6状态图搜索策略小结 树形图树式搜索策略比较 3.2.5启发式图搜索的A算法和A*算法（1） 估价函数 将启发函数与代价函数相结合，为了防止在单独利用启发函数的时候误入歧途。 f（x） ＝g（x）＋h（x） h（x）启发函数，有利于搜索纵向发展，提高搜索效率，但影响完备性。 g（x）代价函数，有利于搜索横向发展，提高搜索的完备性，但影响搜索效率。 f（x）是初始节点S0到达节点x处已付出的代价与节点x 到达目标节点Sg的接近程度估计值总和。是 g（x）与h（x）的折中。 3.2.5启发式图搜索的A算法和A*算法（2） A算法 步1 把附有f（S0）的初始节点S0放入OPEN表中； 步2 若OPEN表为空，则搜索失败，退出。 步3 移出OPEN表中第一个节点N放入 CLOSED表中，并冠以顺序编号n； 步4 若目标节点Sg＝N，则搜索成功，结 束。 步5 若N不可扩展，则转步2； 3.2.5启发式图搜索的A算法和A*算法（3） 3.2.5启发式图搜索的A算法和A*算法（4） 例：九宫重排问题把估计函数f（x）定义为f（n）＝d（n）＋w（n） 其中d（n）表示节点深度； w(n)代表n的格局域目标节点格局相比，位置不符的将牌数目。 3.2.5启发式图搜索的A算法和A*算法（6） 分析 上述的解是一个最佳解，但是w(n)没有反映出从n节点变化到目标节点的难易程度。如 w(a)=7,w(b)=6,似乎a格局离目标格局更远，其实不然，a格局需要8步就可以到达目标格局，而b格局需要10步才能到达目标格局，显然w(n)启发信息不够。 3.2.5启发式图搜索的A算法和A*算法（8） 对w(n)进行改进： 一种改进是令h(n)=P(n),而p(n)是n格局中每个将牌离家（在sg中的位置）的最短距离 p(a)=8,p(b)=9 这种改进是对w(n)的启发信息有所增加，但仍未反映出两个将牌对换位置的难易程度。 3.2.5启发式图搜索的A算法和A*算法（9） 另一种改进 h(n)=p(n)+3s(n) s(n)是这样计算的：沿着周围那些非中心方格上依顺时针方向检查n格局上的每一个将牌，如果其后紧跟着的将牌正好是目标格局中该将牌的后续者，则该将牌得0分，否则得2分；在正中方格上有将牌得1分，否则得0分。 s(a)=6,s(b)=13,s(sg)=0, h(a)=8+3*6=26,h(b)=9+3*13=48,h(sg)=0 3.2.5启发式图搜索的A算法和A*算法（10） 例：利用上面定义的h（x）解下列九宫重排问题。 3.2.5启发式图搜索的A算法和A*算法（13） A*算法 对A算法再限制其估价函数中的启发函数h(x)满足：对所有的节点x均有： h（x）=h*(x) 其中h*(x)是从节点x到目标节点的最小 代价，这就称为A*算法。 A*算法也称为最佳图搜索算法，利用A*算法，如果问题存在最优解，就保证能找到最优解。 3.2.5启发式图搜索的A算法和A*算法（14） 例：修道士和野人问题。在河的左岸有五个修道士、五个野人和一条船，修道士们想用这条船将所有的人都运过河去，但受