人工智慧--chap3.pptVIP

* 深度限制搜尋法 function DEPTH-LIMITED-SEARCH(problem,limit) return a solution or failure/cutoff return RECURSIVE-DLS(MAKE-NODE(INITIAL-STATE[problem]),problem,limit) function RECURSIVE-DLS(node, problem, limit) return a solution or failure/cutoff cutoff_occurred? ? false if GOAL-TEST[problem](STATE[node]) then return SOLUTION(node) else if DEPTH[node] == limit then return cutoff else for each successor in EXPAND(node, problem) do result ? RECURSIVE-DLS(successor, problem, limit) if result == cutoff then cutoff_occurred? ? true else if result ? failure then return result if cutoff_occurred? then return cutoff else return failure * 疊代加深搜尋法 疊代加深搜尋法是一個藉由嘗試所有的可能路徑迴避選擇最佳路徑限制考量的策略：首先深度為0，之後為1，之後為2等等。 疊代加深結合了深度優先和廣度優先的優點。它像廣度優先搜尋法是最佳且完備的，但卻只有深度優先搜尋法所需要的最經濟的空間需求。狀態展開的順序和廣度優先相似，除了有許多狀態會被展開很多次以外。 解答找到評估標準具完備性,最佳性(廣度優先)，記憶體需求最多為 O(bm)(深度優先)。 * 疊代加深搜尋法 疊代加深搜尋法在深度d分支因子b的展開的節點數目為: N(IDS) = (d)b + (d-1)b2 + … + 3bd-2 + 2bd-1+1bd 廣度優先搜尋法在深度d分支因子b的展開的節點數目為: N(BFS) = b + b2 + … + bd + (bd+1 – b) 疊代加深搜尋法在d=5, b=10的展開的節點數目為: N(IDS) = 50 + 400 + 3,000 + 20,000 + 100,000 = 123,450 廣度優先搜尋法在d=5, b=10的展開的節點數目為: N(BFS) = 10 + 100 + 10,000 + 100,000 + 999,990 = 1,111,100 * 雙向搜尋法 同時由啟始狀態向前和目標狀態向後搜尋，兩個搜尋法在中間相會時停止。 假設分支因子b，解答在深度d時，解答將在O(2bd/2) = (bd/2)步被找到。 主要問題: 目標狀態往回搜尋意義為何? 運算是可逆的，先行者與後繼者是相同者； 如何決定目標狀態的先行者? 必須要有方法來檢驗新產生的狀態是否已經出現過； 必須決定在每一半要用那一種搜尋法。 空間複雜度為O(bd/2)指數複雜度 * 搜尋策略的比較 衡量 標準 廣度 優先 成本 一致 深度 優先 深度 限制 疊代深 度優先 雙向 時間 bd+1 bd bm bl bd bd/2 空間 bd+1 bd bm bl bd bd/2 最佳性 Yes Yes No No Yes Yes 完備性 Yes Yes No No Yes Yes 搜尋策略的評估： b:分支係數; d:解答深度; m:搜尋樹的最大深度; l :深度限制。 * 3.5 避免重複的狀態 對於許多問題，重複的狀態是不能避免的。包括了所有可逆運算的問題，例如路線尋找問題和傳教士與食人族問題。 有些問題的搜尋樹是無限的，如果能夠避免重複的狀態，便可以將搜尋樹降低至有限的大小，只產生延展狀態空間圖部分的樹。即使樹的大小是有限的，避免重複的狀態也能在搜尋成本上產生指數的簡化。技巧如下： 不要回到剛剛走過的狀態。 不要產生有繞圈子的路徑。 不要產生任何一個已經產生過的狀態。 3.6 使用不完全資訊的搜尋 * * 3.7 小結 一個問題包含四個部忿：啟始狀態、運算操作的集合、目標測試 函數、以及路徑成本函數。 搜尋演算法以完備性、最佳性、時間複雜度、空間複雜度為搜尋法衡量評估得標準。時間空間複雜度和分支係數b及解答深度d有關。 無資訊搜尋策略：廣度優先搜尋法、均勻成本搜尋法、深度優先搜尋法、深度限制搜尋法、