人工智能 第7章 搜索策略(12-09).ppt

第七章 搜索策略 搜索是人工智能中的一个基本问题，是推理不可分割的一部分，它直接关系到智能系统的性能与运行效率，因而尼尔逊把它列入人工智能研究的四个核心问题之一。 第七章 搜索策略 第七章 搜索策略 第七章 搜索策略 　　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少的推理路线，从而使问题圆满得到解决的过程称为搜索。 第七章 搜索策略 　　搜索分为盲目搜索和启发式搜索。 　　盲目搜索（或称非启发式搜索）是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不用来改进搜索策略。 　　启发式搜索（或称非盲目搜索）是在搜索中加入了与问题有关的启发性信息，用以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且找到最优解。 第七章 搜索策略 1、什么是状态图 例题7.1　设有三个钱币，其初始状态为(反、正、反),欲得的目标状态为(正、正、正)或(反、反、反)。 第七章 搜索策略 【解】要求解这个问题，可通过引入一个３维变量将问题表示出来。 　　设３维变量为： 　　　　　Q=[q1,q2.q3] 　　其中：q i = 0 表示正， qi =1表示反（i=1,2,3） 第七章 搜索策略 共有八种组合： 　　　　Q0 = ( 0,0,0)　　　　Q1 = ( 0,0,1) 　　　　Q2 = ( 0,1,0)　　　　Q3 = ( 0,1,1) 　　　　Q4 = ( 1,0,0)　　　　Q5 = ( 1,0,1) 　　　　Q6 = ( 1,1,0)　　　　Q7 = ( 1,1,1) 每个组合就视为一个节点。 初始状态为Q5 ，目表状态为Q0和 Q7 第七章 搜索策略 由图可得解有7个： 　　　　aab , aba ,baa , bbb , bcc , cbc , ccb 其中：a表示q1的变化， b表示q2的变化， c表示q3的变化。 第七章 搜索策略 　　把这种描述得到的有向图称为状态（空间）图。 　　其中的节点代表一种格局（或称为状态），而两节点之间的连线表示两节点之间的联系，它可视为某种操作、规则、变换等。 在状态图中，从初始节点到目标节点的一条路径是一个解。 第七章 搜索策略 2、问题的状态空间表示法 1) 状态：描述问题求解过程中任一时刻状况的数据结构，一般用一组变量的有序组合表示：Sk = ( Sk0 ，Sk1 ， …),当给每一个分量以确定的值时，就得到了一个具体的状态。 2) 操作：亦称算符/算子/运算符。引起状态中某些分量发生变化，从而使问题由一个状态变为另一个状态。 第七章 搜索策略 3) 状态空间：由问题的全部状态及一切可用算符所构成的集合称为问题的状态空间，一般用一个三元组表示： 　　　　　　　 ( S , F , G ) 　　其中S是问题的所有初始状态构成的集合；F是算符的集合；G是目标状态的集合。 第七章 搜索策略 例7.2 　二阶梵塔问题。 　　设有 3 个钢针，在1号钢针上穿有A、B两个金片，A小于B，A位于B的上面。要求把这两个金片全部移到另一根钢针上，而且规定每次只能移动一片，任何时刻都不能使B位于A的上面。 第七章 搜索策略 解：设用Sk = ( Sk0 , Sk1)表示问题的状态。其中Sk0表示金片A所在的钢针号，Sk1表示金片B所在的钢针号。 　　全部可能的状态有九种： 　　 第七章 搜索策略 　　 第七章 搜索策略 算符分别用A( i , j)及B( i , j)表示。 A( i , j) 表示把金片A从第i号针移到第j号针上； B( i , j) 表示把金片B从第i号针移到第j号针上。 共有12个算符，它们分别是： A (1,2) ， A (1,3) ， A (2,1) ， A (2,3) ， A (3,1) ， A (3,2 ) B (1,2) ， B (1,3) ， B (2,1) ， B (2,3) ， B (3,1) ， B (3,2 ) 根据9种可能的状态和12种算符，可构成二阶梵塔问题的状态空间图。另：每个算符都含有“条件”和“动作”（如表7-1）。 第七章 搜索策略 第七章 搜索策略 第七章 搜索策略 　　状态空间图中，从初始节点(1,1)到目标节点 (2,2) 及(3,3)的任何一条通路都是问题的一个解，其中最短的路径长度是3，它由3个算符组成，例如A (1,3) ，B (1,2) ，A (3,2)。 　　 第七章 搜索策略 　　由此例可以看出： 1) 用状态空间方法表示问题时， 　　首先必须定义状态的描述形式，可把问题的一切状态都表示出