人工智能_一般搜索算法原理.ppt

人工智能讲义 第三章 一般搜索原理 盲目搜索 启发式搜索 归结原理 盲目搜索 图搜索策略 深度优先搜索 宽度优先搜索 等代价搜索 一些基本概念 节点深度： 根节点深度=0 其它节点深度=父节点深度+1 一些基本概念（续1） 路径 设一节点序列为(n0, n1,…,nk)，对于i=1,…,k，若节点ni-1具有一个后继节点ni，则该序列称为从n0到nk的路径。 路径的耗散值 一条路径的耗散值等于连接这条路径各节点间所有耗散值的总和。用C(ni, nj)表示从ni到nj的路径的耗散值。 一些基本概念（续1） 扩展一个节点 生成出该节点的所有后继节点，并给出它们之间的耗散值。这一过程称为“扩展一个节点”。 一般的图搜索算法（GRAPHSEARCH） 1, G=G0 (G0=s), OPEN=(s); 2, CLOSED=( ); 3, LOOP: IF OPEN=( ) EXIT(FAIL); 4, n=FIRST(OPEN), REMOVE(n, OPEN), ADD(n, CLOSED); 5, IF GOAL(n) EXIT(SUCCESS); 6, EXPAND(n)→{mi}, G=ADD(mi, G); 一般的图搜索算法（续） 7, 标记和修改指针： ADD(mj, OPEN), 并标记mj到n的指针； 计算是否要修改mk、ml到n的指针； 计算是否要修改ml到其后继节点的指针； 8, 对OPEN中的节点按某种原则重新排序； 9, GO LOOP； 深度优先搜索 在深度优先搜索中，首先扩展最新产生的(最深的)节点，深度 相等的节点可以任意排列。“最晚产生的节点最先扩展” 深度优先搜索算法 1, G=G0(G0=s), OPEN=(s), CLOSED=( ); 2, LOOP: IF OPEN=( ) EXIT (FAIL); 3, n=FIRST(OPEN); 4, IF GOAL(n) EXIT (SUCCESS); 5, REMOVE(n, OPEN), ADD(n, CLOSED); 6, IF DEPTH(n)≥Dm GO LOOP; 7, EXPAND(n) →{mi}, G=ADD(mi, G); 8, IF 目标在{mi}中 THEN EXIT(SUCCESS); 9, ADD(mj, OPEN), 并标记mj到n的指针; 10, GO LOOP; 深度优先搜索的性质 一般不能保证找到最优解 当深度限制不合理时，可能找不到解，可以将算法改为可变深度限制 最坏情况时，搜索空间等同于穷举 与回溯法的差别：图搜索 是一个通用的与问题无关的方法 宽度优先搜索 如果搜索是以接近起始节点的程度依次扩展节点的，那么这种搜索就叫做宽度优先搜索。这种搜索使逐层进行的，在对下一层的任意节点进行搜索之前，必须搜索完本层的所有节点。“先产生的节点先扩展” 宽度优先搜索的性质 当问题有解时，一定能找到解 当问题为单位耗散值，且问题有解时，一定能找到最优解 方法与问题无关，具有通用性 效率较低 属于图搜索方法 等代价搜索 宽度优先搜索可被推广用来解决寻找从起始节点到目标节点具有最小代价路径问题，这种推广了的宽度优先搜索算法叫做等代价搜索算法。 等代价搜索算法 算法 1,G=G0(G0=s), OPEN=(s), CLOSED=( ),g(s)=0; 2, LOOP: IF OPEN=( ) EXIT (FAIL); 3, 从OPEN表中选择一个节点i,使其g(i)为最小。如果有几个节点都合格，那么就要选择一个目标节点作为i(要是有目标节点的话)；否则，就从中选一个作为节点I; REMOVE(i, OPEN), ADD(i, CLOSED); 4, IF GOAL(i) EXIT (SUCCESS); 5, EXPAND(i) →{j}, G=ADD(j, G); 6, 对每个后继节点j,计算g(j)=g(i)+c(i,j)且ADD(OPEN, j), 并标记j到i的指针; 7, GO LOOP; 启发式图搜索 利用知识来引导搜索，达到减少搜索范围，降低问题复杂度的目的。 启发信息的强度 强：降低搜索工作量，但可能导致找不到最 优解 弱：一般导致工作量加大，极限情况下变为 盲目搜索，但可能可以找到最优解 希望： 引入启发知识，在保证找到最佳解的情况下，尽可能减少搜索范围，提高搜索效率。 基本思想 定义一个评价函数f，对当前的搜索状态进行评估，找出一个最有希望的节点来扩展。 1，启发式搜索算法A（A算法） 评价函数的格式： f(n) = g(n) + h(n) f(n)：评价函数 h(n)：启发函数 符号的意义 g*(n)：从s到n的最短路径的