人工智能搜索1教程解析.ppt

本讲内容概要 从问题表示到问题的解决，有一个求解的过程。 接下来要研究的是实现求解的过程，采用的基本方法包括搜索和推理。本章先介绍搜索技术，将要讨论问题求解的搜索原理，包括一些早期的搜索技术或用于解决比较简单问题的搜索原理和一些比较新的能够求解比较复杂问题的搜索原理，包括算法、遗传算法和模拟退火算法等。 3.1搜索问题 问题提出 例如 搜索需要解决的问题 知识表示（状态空间表示） 搜索策略（如何搜索，知识的使用） 最优搜索(如何找到最优路径） 3.2状态空间表示法 表示方法 (1)状态(State):问题在任意确定时刻的状况,它确定了问题特征和结构。通常用一组数据来表示. Sk=［Sk1,Sk2,…Skn］ (2)操作(Operator): 操作描述了状态之间的关系  表示：F:{f1,f2,……fn｝ (3)状态空间(State Space) 三元组表示〈｛S｝,F,｛G｝〉 其中：S初始状态集 Q：目标状态集合 F： 操作的集合。 搜索要解决的问题 盲目搜索 盲目搜索又叫做无信息搜索，一般只适用于求解比较简单的问题。我们将学习的宽度优先搜索和深度优先搜索，属于盲目搜索方法。 搜索策略1：宽度优先 搜索策略2：深度优先 状态空间表示问题的关键 3.3图搜索策略 可把图搜索策略看成一种在图中寻找路径的方法。我们已经介绍过有关图的表示方法。图中的节点对应于状态，而连线对应于操作符。 图搜索(GRAPHSEARCH)的一般过程如下： (1)建立一个只含有起始节点S的搜索图G，把S放到一个叫做OPEN的未扩展节点表中（简称OPEN表）。 (2) 建立一个叫做CLOSED的已扩展节点表（简称CLOSED表），其初始为空表。 一般图搜索算法 　　为建立该算法，令： 　　　s--指示初始状态节点； 　　　G--指示搜索图； 　　　OPEN--作为存放待扩展节点的表； 　　　CLOSE--作为存放已被扩展节点的表； 　　　MOVE-FIRST(OPEN)--指示取OPEN表首的节点作为当前要被扩展的节点n，同时将节点n移至CLOSE表； 　　　SNS--子节点集合； 一般图搜索算法 该算法的一般过程如下： 1） G := s； // 算法开始时搜索图只含初始状态节点； 2） OPEN := (s), CLOSE := (　)； // 即此时仅有ｓ作为待扩展节点，而CLOSE表为空； 3） 若OPEN是空表，则算法以失败结束； // 因为此时未搜索到解答(目标状态)，又无法继续搜索； 4） n := MOVE-FIRST(OPEN)； 5） 若n是目标状态节点，则搜索成功结束，并给出解答路径； 6） 扩展节点n，将非节点n祖先的子节点置于子节点集合SNS中，并插入搜索图G中； 一般图搜索算法 7） 标记和修改指针： 把SNS中的子节点分为三类：（1）全新节点，（2）已出现于OPEN表的节点，（3）已出现于CLOSE表的节点； // 后二类子节点实际上意味着具有新老二个父节点； · 加第1类子节点于OPEN表，并建立从子节点到父节点n的指； · 比较第2类子节点经由新、老父节点到达初始状态节点s的路径代价，若经由新父节点的代价较小， 则移动子节点指向新父节点 · 对于第3类子节点作与第2类同样的处理，并把这些子节点从CLOSE表中移出，重新加入OPEN表； 解释第（7）步 修改指针的动画 解释第（7）步 一般图搜索算法 8） 按某种原则重新排序OPEN表中的节点； 9） 返回语句3）； 　　通过循环地执行该算法，搜索图会因不断有新节点加入而逐步长大，直到搜索到目标节点。 一般图搜索算法 右图给出扩展过程中某时刻的搜索图，实心的节点指示已被扩展过并进入CLOSE表的节点，其余节点均在OPEN表中。 一般图搜索算法 实际上OPEN表中的节点都是该搜索图的叶子节点，它们联合起来作用为一个多路开关，并由排序原则决定选择哪一个作为下一次被扩展的节点。 图搜索策略流程图 搜索图与搜索树 此过程生成一个明确的图G(称为搜索图)和一个G的子集T(称为搜索树)，树T上的每个节点也在图G中。搜索树是由第7步中设置的指针来确定的。 G中的每个节点(除S外)都有一个只指向G中一个父辈节点的指针，该父辈节点就定为树中那个节点的唯一父辈节点。 图搜索方法的几点分析： 图搜索过程的第8步对OPEN表上的节点进行排序，以便能够从中选出一个“最好”的节点作为第4步扩展用。 这种排序可以是任意的即盲目的(属于盲目搜索)，也可以用以后要讨论的各种启发思想或其它准则为依据(属于启发式搜索)。 图搜索方法的几点分析： 每当被选作扩展的节点为目标节点时，这一过程就宣告成功结束。这时