《人工智能导论-》-03搜索-0...介绍.pptVIP

人工智能导论 方若宇 ryfang@stu.edu.cn 与或图表示 与或图搜索问题 n0→ {n7,n8}的3个解图 能解节点 终节点是能解节点 若非终节点有“或”子节点时，当且仅当其子节点至少有一能解时，该非终节点才能解。 若非终节点有“与”子节点时，当且仅当其子节点均能解时，该非终节点才能解。 不能解节点 没有后裔的非终节点是不能解节点。 若非终节点有“或”子节点，当且仅当所有子节点均不能解时，该非终节点才不能解。 若非终节点有“与”子节点时，当至少有一个子节点不能解时，该非终节点才不能解。 耗散值的计算 1.若n是N的一个元素, 则k(n, N) =0 2.若n是一个外向连接符指向后继结点{n1,..ni} k(n, N) = Cn+k(n1, N)+…+k(ni, N) 其中：N为终节点集 Cn为连接符的耗散值 搜索解图耗散值的递归计算: n0=2+k(4, N)+k(5, N) k(5, N)= min(2+k(7,N)+k(8, N),…) = 2 k(4, N)= min(1+k(5, N), 1+k(8,N)) = min(3, 1)=1 N0= 2+1+2=5 (a)的解图耗散值为8 (b)的解图耗散值为7 具有最小耗散值的解图称为最佳解图,其值也用h*(n)标记.上例中的h*(n)=5 普通图搜索的情况 f(n) = g(n) + h(n) 对n的评价实际是对从s经过n到目的地这条路径的评价 与或图: 对局部图的评价 与或图搜索:AO*算法 两个过程 图生成过程，即扩展节点 自顶向下, 从最优的局部途中选择一个节点扩展 计算耗散值的过程 自下向顶, 对当前的局部图重新计算耗散值 AO*算法搜索例子 AO*算法搜索例子 AO*算法搜索例子 AO*算法搜索例子 AO*算法搜索例子 AO*算法的最优性: 若s→ N存在解图,当h(n)≤h*(n),且h(n)满足单调限制条件,则AO*一定能够找到最佳解图, 即AO*具有可采纳性 单调限制条件指对于图中从结点到n→{n1,…,nk}的每一个连接符都施加限制h(n)≤C+ h(n1)+..+ h(nk),如果同时有h(ti)=0(ti∈N),那么单调限制意味着h是h*的下界范围,即对所有的结点n有h(n)≤h*(n) 与或图表示 与或图搜索问题 n0→ {n7,n8}的3个解图 能解节点 终节点是能解节点 若非终节点有“或”子节点时，当且仅当其子节点至少有一能解时，该非终节点才能解。 若非终节点有“与”子节点时，当且仅当其子节点均能解时，该非终节点才能解。 不能解节点 没有后裔的非终节点是不能解节点。 若非终节点有“或”子节点，当且仅当所有子节点均不能解时，该非终节点才不能解。 若非终节点有“与”子节点时，当至少有一个子节点不能解时，该非终节点才不能解。 耗散值的计算 1.若n是N的一个元素, 则k(n, N) =0 2.若n是一个外向连接符指向后继结点{n1,..ni} k(n, N) = Cn+k(n1, N)+…+k(ni, N) 其中：N为终节点集 Cn为连接符的耗散值 搜索解图(c)耗散值的递归计算: n0=2+k(4, N)+k(5, N) k(5, N)= min(2+k(7,N)+k(8, N),…) = 2 k(4, N)= min(1+k(5, N), 1+k(8,N)) = min(3, 1)=1 N0= 2+1+2=5 同理可计算得： (a)的解图耗散值为8 (b)的解图耗散值为7 具有最小耗散值的解图称为最佳解图,其值也用h*(n)标记.上例中的h*(n)=5 普通图搜索的情况 f(n) = g(n) + h(n) 对n的评价实际是对从s经过n到目的地这条路径的评价 与或图: 对局部图的评价 与或图搜索:AO*算法 两个过程 图生成过程，即扩展节点 自顶向下, 从最优的局部途中选择一个节点扩展 计算耗散值的过程 自下向顶, 对当前的局部图重新计算耗散值 AO*算法搜索例子 AO*算法搜索例子 AO*算法搜索例子 AO*算法搜索例子 AO*算法搜索例子 AO*算法的最优性: 若s→ N存在解图,当h(n)≤h*(n),且h(n)满足单调限制条件,则AO*一定能够找到最佳解图, 即AO*具有可采纳性 单调限制条件指对于图中从结点到n→{n1,…,nk}的每一个连接符都施加限制h(n)≤C+ h(n1)+..+ h(nk),如果同时有h(ti)=0(ti∈N),那么单调限制意味着h是h*的下界范围,即对所有的结点