人工智能_ch5.pptVIP

人工智能与知识工程 教学计划 人工智能及其发展 知识表示 确定性推理 不确定推理 搜索策略 机器学习—知识获取 专家系统 第五章 搜索策略 基本概念 状态空间搜索策略 与/或树搜索策略 搜索的完备性与效率 §1、 基本概念 搜索 根据问题的实际情况，不断寻找可利用的知识，从而构造一条代价较小的推理线路，使问题得到圆满解决的过程称搜索 人工智能问题的特点 结构不良 非结构化 解的特点 一般不存在通用、有效的解析形式——数学形式化 利用已有的知识进行搜索求解 分类 盲目搜索 按预定的策略进行搜索，搜索过程中获得的中间信息不用于改进控制策略 启发式搜索 搜索过程中加入了与问题有关的信息（称启发信息），用于指导搜索朝着最有希望的方向前进，加速问题求解的过程并最终找到最优解 启发信息 与问题相关 与求解过程的中间结果相关 比较 盲目搜索与具体问题无关，易于形成统一算法 启发式搜索与具体问题有关，效率高、速度快，启发信息难于获得 控制策略 确定选择算法的依据，见ch3。 问题表示方法 状态空间表示法 状态 描述问题求解过程中任一时刻状况的数据结构——状态 形式：Sk=（Sk0，Sk1，……，Skn，……） 其中： Ski是第i个分量 给定每个分量一个值后，就称为一个具体的状态 状态可以是有限的或无限的 算符 引起状态转变的操作 状态转变指状态中某些分量（一个或多个）的值发生变化 例：知识的应用使新的结论被推出，从而改变了问题的状态 状态空间 问题的全部状态和一切可用算符所构成的集合称状态空间 形式：（S，F，G） S——初始状态集合 F——算符集合 G——目标状态集合 状态空间表示法指将问题通过抽象表示为状态空间 状态空间的图示形式称为状态空间图——有向图 节点（顶点）表示状态 有向边（弧）表示算符 例： 书p.258 推理中，由初始证据、中间证据、使用的知识一起构成状态空间；综合数据库的变化反应状态转变 与/或树表示法 问题分解 复杂问题分解为若干个较为简单的子问题，每个子问题继续分解成更简单的子问题，重复此过程，直到不能再分解或不需要再分解为止 分别求解各子问题 各子问题的解复合起来得到原问题的解 问题的分解形成与树，被分解的节点称与节点 等价变换 将复杂问题用同构或同态的等价变换将它变换成若干个较易求解的新问题 若新问题中有一个可求解，该解可变换为原问题的解 问题等价变换后形成或树，被变换的节点称或节点 由问题的分解与等价变换形成问题求解过程的树形表示称为问题求解的与/或树表示法 相关概念 本原问题：不能再分解或变换，而且直接可解的子问题 端节点与终止节点 与/或树中，没有子节点的节点称端节点 本原问题对应的节点称终止节点 终止节点一定是端节点，端节点不一定是终止节点 可解节点 与/或树中，满足下列条件之一的节点就是可解节点 1）终止节点 2）子节点中至少有一个是可解节点的或节点 3）子节点全部是可解节点的与节点 不可解节点 不是可解的节点称不可解节点 解树 如果树的所有节点都是可解节点，树被称为解树 §2、状态空间搜索策略 问题形式化 将状态空间（S，F，G）中的每一个状态看作一个顶点，F操作将使（顶点）状态发生变化而形成新的状态（顶点），新旧状态之间通过F连接（边）。由此，整个状态空间可以用一个有向图G=（V，E）表示 V——状态（顶点）集合 E——操作（边）集合 状态空间搜索问题可以转化为在图G中搜索从初始状态顶点S0到目标状态顶点Sg的路径问题 主要数据结构 图搜索中用到的主要数据结构包括 图G OPEN表 （顶点状态，父顶点） OPEN表用于存放待处理的顶点 CLOSED表 （编号，顶点状态，父顶点） CLOSED表用于存放将要处理的顶点或已处理的顶点 A算法——盲目搜索算法 算法 输入：（G，F），初始顶点S0 输出：Sg，解树G‘ 步骤 1）S0放入OPEN，建立仅含一个顶点S0的图G‘ 2）检查OPEN，若为空则问题无解，结束 3）取出OPEN的第一个顶点并放入CLOSED中，记为Sn 4）检查Sn，若为Sg则求得了问题的解，结束搜索，结束 5）展开Sn ：对Sn应用F中的操作，生成一组新顶点{Sn1，Sn2，……，Snk}。 若nk=0转2），否则，记M为新顶点中不是Sn先辈的顶点集合，并将它们放入G‘中，连接由Sn指向它们的弧。弧上标记使用的操作。 6）M的处理 对M中未在G’中出现过的顶点，生成其父顶点并放入OPEN中 对于哪些在G‘中出现过的顶点，确定是否修改其父顶点并实施 对于哪些已在G’中出现且已扩展了的成员，确定是否修改其后继顶点的父顶点并实施 7）按某种策略对OPEN中的顶点排序