人工智能第二章下.ppt

2.4启发式搜索 搜索技术的应用－智能搜索引擎 启发式搜索涉及的基本概念 基本的启发式搜索方法 代价树的广度优先搜索 动态规划法（改进的代价树广度优先搜索) 代价树的深度优先搜索(局部优先搜索) 代价树有界深度优先搜索 局部择优A算法 A算法(全局优先搜索) 启发式搜索概念 启发式搜索与无信息搜索 无信息（盲目）搜索：按预定的控制策略进行搜索，在搜索过程中 获得的中间信息并不改变控制策略。 81 启发式搜索：在搜索中加入了与问题有关的启发性信息，用于指导 搜索朝着最有希望的方向前进，加速问题的求解过程并 找到最优解。 启发性信息 评估函数 评估函数的表示 含义：用于估价节点重要性的函数称为估价函数 表示： f(x)=g(x)+h(x) g(x)是从初始结点S0到x实际代价 h(x)是从x到目标结点Sg的最佳路径的估计代价, 启发性信息的函数描述。 例 重排九宫问题 f(x)=d(x)+h(x) 代价的计算 边代价：从父节点到子节点的代价 表示：c(x1,x2)表示从父节点x1到子节点x2的代价 例：c(s0,A)=2 c(A,C)=4 代价：从一个节点经过一条支路到另一个节点所支付的代价。 表示：g(x)表示从初始节点s0到节点x的代价 例: g(A)=g(s0)+c(s0,A)=0+2=2g(C)=g(A)+c(A,C)=2+4=6 代价树：边上标有代价的搜索树 2.4.1 代价驱动的搜索策略 代价树的广度优先搜索 动态规划法（改进的代价树广度优先搜索) 代价树的深度优先搜索 代价树的广度优先搜索 基本思想 搜索过程 实例 存在问题 解决方法(动态规划法） 基本思想 open表的节点顺序按的节点代价排列（从小到大） 搜索过程 1.将初始节点s0放入OPEN表,令g(s0)=0 2.如果OPEN表为空，则问题无解，退出 3.把OPEN表的第一个节点（记为n节点）取出放入CLOSED表 4.考察节点n是否为目标节点。若是，则求得了问题的解，退出。 5.若节点n不可扩展转（2）步。 6.扩展节点n，将其子节点放入OPEN表中，并为每一个子节点都配置指向父节点的指针；计算各个子节点的代价，并按各个节点的代价对表的全部节点进行排序（按从小到大的顺序），然后转（2）步。 算法讨论 存在问题 改进方法 动态规划法 基本思想 搜索过程 实例 基本思想 当有多条到达某一公共节点的路径，只保留代价最小的路径 搜索过程 1.将初始节点s0放入OPEN表,令g(s0)=0 2.如果OPEN表为空，则问题无解，退出 3.把OPEN表的第一个节点（记为n节点）取出放入CLOSED表 4.考察节点n是否为目标节点。若是，则求得了问题的解，退出。 5.若节点n不可扩展转（2）步。 6.扩展节点n，将其子节点放入OPEN表中，并为每一个子节点都配置指向父节点的指针；计算各个子节点的代价，若新出现的节点是多条路径都到达的节点，则只选代价最小的路径，其余删去，并按各个节点的代价对表的全部节点进行排序（按从小到大的顺），然后转（2）步。 代价树的深度优先搜索 基本思想 搜索过程 实例 算法讨论 算法讨论 代价树的有界深度优先搜索 基本思想 搜索过程 实例 基本思想 当一个节点被扩展后，按f(x)对每一个子节点计算估值，并选择其中最小的先扩展。 代价树的有界深度优先搜索过程 1.将初始节点放入OPEN表，令g(s0)=0 2.如果OPEN表为空，则问题无解，退出 3.把OPEN表的第一个节点（记为n节点）取出放入CLOSED表 4.考察节点n是否为目标节点。若是，则求得了问题的解，退出。 5.若节点n不可扩展转（2）步。 6.IF d(n)=规定深度 THEN GO (2) 7.扩展节点n，用估价函数f(x)计算每个子节点的估价值，并将其子节点按估价值从小到大放入OPEN表的首部，并为每一个子节点都配置指向父节点的指针，然后转（2）步。 代价树搜索的总结 优点 不足：局限性 2.4.2 A算法 启发性函数 A算法 A*算法 算法讨论 启发性函数的表示 含义：用于估价节点重要性的函数称为估价函数 表示： f(x)=g(x)+h(x) g(x)是从初始结点S0到x实际代价 h(x)是从x到目标结点Sg的最佳路径的估计代价, 启发性信息的函数描述。 例 重排九宫问题 例：重排九宫问题 例：重排九宫问题。在3×3的方格棋盘上放置八张牌，初始状态和目标状态如右图 算符有： R1: 如果满足条件 则 空格左移 R2: 如果满足条件 则 空格上移 R3: 如果满足条件 则 空格右移 R4: 如果