人工智能第二章讲义.ppt

* a b 极大极小分析法：一子棋 当前棋局p: f(p)=6-4=2 a b a a a a a a a 所有空格上都放上A的棋子： f(+p)=6 a b b b b b b b b 所有空格上都放上B的棋子： f(-p)=4 * 极大极小分析法：一子棋 a a b a b a b a b a a b a b b a a a b a b a b b a b a S0 S3 S2 S4 S5 S1 1 0 1 0 -1 -1 0 -1 0 -2 2 1 -1 1 -2 1 A的第一着棋生成的博弈树。每一着棋都要导致博弈树深度加2：一层是自己，一层是对方。 极大 A 极小B A * 生成所有端节点后，才计算静态估值和倒推值 极大极小分析法：存在问题 效率低 改进： 生成一个端节点后，马上计算静态估值和倒推值。 ?-?剪枝法 * ?-?剪枝 0 5 -3 3 3 -3 0 2 2 -3 0 -2 3 5 4 1 -3 0 6 8 9 -3 0 -3 3 -3 -3 -2 1 -3 6 -3 0 3 1 6 0 1 1 极大 max 极小 min a b min max max必定≥ min max ≥ ?(下界值) ， min≤ ?(上界值) * ?-?剪枝： 问题：?、?如何取值，才能使 max必定≥ min？ 假设：? ≥ ? 由于： max ≥ ? ，min ≤?, ? ≥ ? = max ≥ ? ≥ ? ≥ min = max ≥ min 因此：当 ? ≥ ?时，必有max≥ min。 * 若生成某些端节点后，能估计出父节点的α或β值，并且α≥β，则就不必再扩展父节点的其余子节点了(因为这些节点的估值对父节点的倒推值已无任何影响)。 ?-?剪枝： * ?-?剪枝：举例(深度优先搜索) 1 -1 -1 ? =-1 极大 max 极小 min 2 1 max 若结点4的值是父结点s的所有子结点中的最大值，则s=-1，此时不影响父结点的取值。 3 -1 4 5 初始结点s ? = -1 -1 此时，? ≥ ? 若结点4的值不是父结点s的所有子结点中的最大值，则父结点s取其他子结点中的最大值，此时也不影响父结点的取值。 * ?-?剪枝：举例(深度优先搜索) 1 -1 -1 ? =-1 极大 max 极小 min 2 1 max 由于? ≥ ?，不影响父结点的取值，所以不必再扩展节点4的其他子结点了 3 -1 4 5 初始节点s ? = -1 -1 ?-?剪枝 * ?-?剪枝 具体的剪枝方法如下： (1) 对于一个极小值层节点MIN，若能估计出其倒推值 的上界β，并且这个β值不大于 MIN的父节点(极 大值层节点)的估计倒推值的下界α，即α≥β， 则就不必再扩展该 MIN节点的其余子节点了(因为 这些节点的估值对MIN父节点的倒推值已无任何影响 了)。这一过程称为α剪枝。 * ?-?剪枝 (2) 对于一个极大值层节点MAX，若能估计出其倒推值的下确界α，并且这个α值不小于 MAX的父节点(一定是极小值层节点)的估计倒推值的上确界β，即α≥β，则就不必再扩展该MAX节点的其余子节点了(因为这些节点的估值对MAX父节点的倒推值已无任何影响 了)。这一过程称为β剪枝。　　 * ?-?剪枝 从算法中看到：(1) MAX节点(包括起始节点)的α值永不减少；(2) MIN节点(包括起始节点)的β值永不增加。在搜索期间，α和β值的计算如下：(1) 一个MAX节点的α值等于其后继节点当前最大的最终倒推值。 (2) 一个MIN节点的β值等于其后继节点当前最小的最终倒推值。 * 剪枝的条件： 后辈节点的?值≤祖先节点的?值时， ?剪枝 后辈节点的? 值≥祖先节点的?值时， ?剪枝 简记为： 极小≤极大， ?剪枝 极大≥极小， ?剪枝 * ?-?剪枝（续） 5 0 0 3 0 0 a b -3 c d f 极大 max 极小 min ? =0 ? = 0 0 极大 max 极小 min ? =-3 -3 * ?-?剪枝（续） 0 5 -3 3 3 -3 0 2 2 -3 0 -2 3 5 4 1 -3 0 6 8 9 -3 0 0 -3 0 3 3 0 5 4 1 1 -3 1 6 6 1 a b c d e f g h i j k m n 极大 max 极小 min max min * ?-?剪枝的其他应用 故障诊断 A B C D 风险投资 * 当前状态 目标状态g r1 r2 ri-1 ri 回顾： 回溯策