3知情搜索讲解.pptVIP

搜索：知情搜索 概要 知情搜索与启发方式 第一种尝试：最佳优先贪婪搜索 A*算法 最佳性 启发函数的条件 完全性 局限性、空间复杂性等议题 扩展 再看搜索 评价函数f(s)：经由s的最廉价路径的估计代价 最佳优先搜索：选择f值最小的结点来优先扩展 算法： 对每个状态s，储存一个值f(s)。 选择f最低的状态做下一步扩展。 插入它的后续态。 如果仔细地选择f，则可以最终找到最低代价序列。 实例： UCS(等代价搜索)：f(A)=g(A)=当前从START到A的最短路径的总代价。 把等待扩展的状态存储在一个优先队列中，以便有效地查询f的最小值。 最佳就是保证找到最小代价序列。 问题：对于任何给定状态离终态有多远，无指导。 解决：设计一个估计某一状态与终态之间距离的函数。 启发函数 对该搜索问题，h是一个启发函数。 h(s)=从s到GOAL的最短路径的代价估值。 仅通过当前问题中的状态及转换，是不能计算出h的。如果可能的话，则已经知道最佳路径了。 h是建立在关于该问题的外部知识上的。因此，称为知情搜索。 问题： h的典型实例？ 怎么使用h？ 什么是h的必要性质？ 启发函数实例 h(s)=到GOAL的直线距离。 从s出发的直线距离比从s’出发的短，因此，s成为最佳路径的机会更大。 启发函数实例 怎样来定义h(s)? 第一种尝试：最佳优先贪婪搜索（GBFS） 最简单的启发函数：总是选择h最小的结点来扩展，即f(s)=h(s)。 初始化PQ 插入(START, h(START))偶对到PQ中 while (PQ不空，且不包含终态) 从PQ中弹出h值最小的状态s 对在succs(s)中的所有s’ 如果s’ 不在PQ中，且未访问过 插入(s’, h(s’ ))偶对到PQ中 问题 在该场合下，能找到的答案是什么？ 虽然采用合理的启发函数，但贪婪搜索不是最佳的。 解决问题的尝试 g(s)仅是从START到s的代价。 h(s)估算从s到GOAL得代价。 关键点：g(s)+h(s)估算从START经由s到达GOAL的最廉价路径的总代价。 A*算法 A*能解决该问题吗？ {(START,4)} {(A,5)} (f(A)=h(A)+g(A)=3+g(START)+cost(START,A)=3+0+2) {(B,5),(C,7)}（C与返回指针{A,START}被放在队列中） (f(B)=h(B)+g(B)=2+g(A)+cost(A,B)=2+2+1) (f(C)=h(C)+g(C)=1+g(A)+cost(A,C)=1+2+4) {(C,5)}（发现f(C)的一个较低值及返回指针{B,A,START}） (f(C)=h(C)+g(C)=1+g(B)+cost(B,C)=1+3+1) {(GOAL,6)} 与A*有关的议题 终止条件 状态重访 算法 最佳性 避免状态重访 选择好的启发式方法 降低空间开销 A*终止条件 当GOAL从队列中弹出时，就停止！ 重访状态 队列： {(START,8)} {(B,4),(A,8)} {(A,8),(C,10)} {(C,9.5)}重访,在PQ中 {(D,3.5)} {(GOAL,9.5)} 重访状态 队列： {(START,8)} {(B,4),(A,8)} {(C,4),(A,8)} {(D,4),(A,8)} {(A,8),(GOAL,10)} {(C,3.5),(GOAL,10)}重访 {(D,3.5),(GOAL,10)}重访 {(GOAL,9.5)}重访,在PQ中 从队列中弹出f(s)值最小的状态s if s=GOAL return SUCCESS else 扩展s： 对在succs(s)中的所有s’： f’=g(s’ )+h(s’ )=g(s)+cost(s,s’ )+h(s’ ) if (s’ 之前没见到过 or s’ 之前以f(s’ )f’ 被扩展过 or s’ 在PQ中，且f(s’ )f’ ) 升级或插入(s’, 新的代价f’ )偶对到PQ previous(s’ )?s else 不处理s’（这是因为它已被访问过， 并且它的当前路径代价f(s’ )仍是从 START到s’ 的最低的路径代价） A*算法中的内循环 什么条件下A*是最佳的？ 问题：h(.)是到终态路径代价的一个不好的估计。 允许的启发方式 定义h*(s)=从s到目标的真实最小代价。 如果h(s)?h*(s)对所有状态s成立，则h是允许的。 也即，一个允许的启发方式决不高估到达目标的代价，而是乐观地估计到目标的代价。 A*保证找到最佳路径，如果h是允许的。 一致（单调）启发方式 h(s)?h(s’)+cost(s,s’)