第二章2启发式搜索分析.pptVIP

№ * 失败状态通常意指三种情况： （1）不合法状态（如传教士和野人问题中所述的那样） （2）旧状态重现（如八数码游戏中某一棋盘布局的重现，会导致搜索算法死循环） （3）状态节点深度超过预定限度（例如八数码游戏中，指示解答路径不超过6步）。 问题求解的基本方法启发式搜索 № * 盲目搜索 № * 盲目搜索算法的缺点： 盲目 应对之道： 引入与应用领域相关的启发式知识来指导OPEN表中节点的排序 № * ? 局部排序--这是对深度优先法的改进，仅对新扩展出来的子节点排序，使这些节点中最有希望者能优先取出考察和扩展 ? 全局排序--对OPEN表中的所有节点排序，使最有希望的节点排在表首 № * 启发式搜索 概念：在搜索过程中，引入启发式知识减少搜索的盲目性，提高搜索的效率，称之为启发式搜索 启发式知识对搜索的作用： 选择下一个要被扩展的节点，对OPEN表进行排序 在扩展一个节点时，仅仅有选择性的生成部分有用的节点 修剪掉某些估计不可能导致成功的子节点 № * 启发式搜索-算法A 应用评价函数来实现启发式搜索的典型是算法A ，评价函数f(n)： f(n)= g(n) + h(n) n--搜索图中的某个当前被扩展的节点； f(n)--从初始状态节点s, 经由节点n到达目标状态节点ng，估计的最小路径代价 g(n)--从s到n ,估计的最小路径代价； h(n)--从n到ng,估计的最小路径代价； № * g(n)是已知的 h(n)是未知的，需要采用启发式函数来估算，称为启发式函数 № * 算法A 搜索算法A的一般过程： 1） G := s； 2） OPEN := (s), CLOSE := (　)； 　3） 若OPEN是空表，则算法以失败结束； 　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，对于SNS中每个子节点ni,计算 f(n,ni) = g(n,ni) + h(ni); № * 7） 标记和修改指针 ?把SNS中的子节点分为三类（同一般图搜索算法） ?加第1类子节点于OPEN表（同一般图搜索算法） ?比较第2类子节点ni经由新、老父节点的评价函数值f(n,ni)、f(ni);若f(n,ni) f(ni)点,则令f(ni) = f(n,ni),并移动子节点指向老父节点的指针，改为指向新父节点 ?对第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。 8）按f值从小到大排序OPEN表中的节点 9) 返回语句3）； № * 启发式搜索算法A结论 按f(n)排序OPEN表中的节点 f(n)值最小者排在首位，优先加以扩展 体现了最佳优先(best-first)搜索策略的思想 № * 算法A举例：8数码游戏 f(n) = g(n) + h(n) g(n)=d(n)--------当前被考察和扩展的节点n在搜索图中的节点深度 h(n)=w(n) --------节点n与目标状态节点ng相比较，错位的棋牌个数 № * 初始节点： f(n) = 0 + 4 = 4  № * № * 二 实现启发式搜索的关键因素 （1）搜索算法的可采纳性(Admissibility) 在搜索图存在从初始状态节点到目标状态节点解答路径的情况下，若一个搜索法总能找到最短（代价最小）的解答路径，则称算法具有可采纳性 宽度优先的搜索算法就是可采纳的 № * 引入评价函数f*: f*(n)=g *(n)+h *(n) f*(n)、g*(n)、h*(n)分别指示当经由节点n的最短（代价最小）解答路径找到时实际的路经代价（长度）、该路径前段（自初始状态节点到节点n）代价和后段（自节点n到目标状态节点）代价。 将评价函数f与f*相比较，实际上，f(n)、g(n)和h(n)分别是f*(n)、g*(n)和h*(n)的近似值。 在理想的情况下，设计评价函数f时可以让g(n) = g*(n),h(n) = h*(n) № * 如何挖掘贴切的启发式知识(h(n))是设计评价函数乃至算法A的关键 在前述的八数码游戏中，h(n)采用了w(n) 现在采用p(n)----节点n与目标状态节点相比较，每个错位棋牌在假设不受阻拦的情况下，移动到目标状态相应位置所需走步（移动次数）的总和 № * № * 可以证明，若确保对于搜索图中的节点n，总是有h(n) ≤h* (n)