Ch 5 状态空间搜索策略new.pptVIP

根据搜索过程中选择扩展节点的范围，分为全局择优搜索和局部择优搜索。 1. 全局择优 在Open表的所有节点中选择一个估价函数值最小的节点进行扩展 2. 局部择优 在刚生成的子节点中选择一个估价函数值最小的节点进行扩展。 局部最佳优先搜索算法 对OPEN表中所有节点的f n 进行比较，按从小到大的顺序重排OPEN表。 其算法效率类似于纵向搜索算法，但使用了与问题特性相关的估价函数来确定下一步待扩展的节点，因此是一种启发式搜索方法。 开始 把S放入OPEN表，计算估价函数 f s OPEN表为空表？ 把OPEN表中的第一个节点n放入CLOSED表 n为目标节点吗？ 扩展n，计算所有子节点的估价函数值，并提供它们返回节点n的指针。 失败 成功 局部最佳优先搜索算法框图 是 否 是 否 把子节点送入OPEN表，并对其中的所有节点按估价函数值由小到大重排。 举例： 八数码魔方（8-puzzle problem） 1 2 3 8 4 5 6 7 （目标状态） 1 2 3 8 4 5 6 7 （初始状态） 5 7 ① ④ ⑤ ⑥ ③ 1 2 3 8 4 5 6 7 1 2 3 8 4 5 6 7 1 2 3 8 4 5 6 7 3 5 5 ② 1 2 3 8 4 5 6 7 1 2 3 8 4 5 6 7 1 2 3 8 4 5 6 7 4 3 3 1 2 3 8 4 5 6 7 1 2 3 8 4 5 6 7 2 4 1 2 3 8 4 5 6 7 1 2 3 8 4 5 6 7 3 4 1 2 3 8 4 5 6 7 1 8 1 3 2 4 5 6 7 1 2 3 8 4 5 6 7 0 2 八数码魔方的局部最佳优先搜索树 1 2 3 8 4 6 4 7 5 ⑦ 搜索得到的路径如黄线所示 本题采用了简单的估价函数 f n W n 其中：W n 用来计算对应于节点n的数据库中错放的棋子个数。因此，初始节点棋局 的f n 值等于4。 1 2 3 8 4 5 6 7 第②步有三种情况,我们选择其中f n 最小的: 其它依次类推.最后用了7步得出了结果. 1 2 3 8 4 5 6 7 1 2 3 8 4 5 6 7 1 2 3 8 4 5 6 7 3 5 5 ? 最佳优先算法有时无法得到最优解，因为它的估价函数f的选取时，忽略了从初始节点到目前节点的代价值。所以，可考虑对估价函数f n 进行某些修改或限制。 5.5 A*算法 对估价函数加上一些限制，以保证得到最优解的启发式搜索算法 最优估价函数 f* n ＝ g* n ＋ h* n 初始节点到节点n的最小代价 节点n到目标节点的最小代价 有关限制 1. g n 是对g* n 的估计，且g n ＞0； 2. h n 是h* n 的下界，即对任意节点n均有h n ≤h* n  A*算法例1：八数码问题 解1： h n W n 。尽管不能确切知道h* n ，但当采用单位代价时，通过对“不在位”数码个数的估计，可以得出至少要移动W n 步才能到达目标，显然有W n ≤h* n ，满足A*算法的限制条件。解2：h n P n ，P n 定义为每一个数码与其目标位置之间距离（不考虑夹在其间的数码）的总和，同样可以断定至少要移动P n 步才能到达目标，因此有P n ≤h* n ，即满足A*算法的限制条件。 2 8 3 1 4 7 6 5 h 4, f 4 S0 2 3 1 8 4 7 6 5 2 8 3 1 6 4 7 5 2 8 3 1 4 7 6 5 2 8 3 1 4 7 6 5 g 1 2 3 1 8 4 7 6 5 2 3 1 8 4 7 6 5 g 2 1 2 3 8 4 7 6 5 1 2 3 7 8 4 6 5 Sg g 4 h 5, f 6 h 5, f 6 h 3, f 4 h 5, f 6 h 2, f 4 h 3, f 5 1 2 3 8 4 7 6 5 g 3 h 1, f 4 h 0, f 4 h 2, f 6 八数码难题的的A*搜索图 （h n P n ） A*算法例2：修道士和野人问题 设在河的左岸有三个修道士、三个野人和一条船，修道士想用这条船把所有的人运到河对岸，但受以下条件的约束： 1.修道士和野人都会划船，但每次船上至多可载两个人； 2.河的任一岸如果野人数目超过修道士数，修道士就会被野人吃掉。请给出一个确保修道士和野人都能过河，且没有修道士被野人吃掉的过河规划 问题表示：需要考虑两岸的修道士人数和野人人数，船的位置。用三元式表示状态： S m, c, b 其中，m表示左岸修道士人数，c表示左岸野人人数，b表示左岸船的数目。 解：