第3章 搜索的基本策略.pptVIP

3.2.1 启发式信息的表示 （c）定义搜索策略。 第i个皇后放到第i行中的那个与前面i-l个皇后不在同一列或对角线上且f（x）值最大的空格中。 启发式信息是某些领域里的知识信息，它能使计算机系统在这些知识信息提示以后可能采取的某些可能的动作或避免某些不可能的动作。 搜索方向的选择 搜索过程：在问题空间中找出从开始状态到目标状态的一条最好的或较好的路径。这种搜索可按两个方向进行： ?正向搜索：从初始状态朝着目标状态方向搜索； 逆向搜索：从目标状态朝着初始状态方向搜索。 将以上两种搜索方法结合起来，就产生了双向搜索 搜索方向的选择 正向搜索 和 逆向搜索 S0 S0 Sg Sg 搜索方向的选择 (1)??? 朝分枝因子低的方向更有效。 分子因子指从一点出发可以直接到达的平均结点数。朝着分枝因子低的方向搜索意味着朝着“收敛”的方向搜索，例如定理证明, 一般是从公理或定理出发，推出新的定理。公理是有限的，而定理是大量的。 搜索方向的选择 (2)?由状态少的一方出发，朝着大量的可识别的状态的方向搜索 例如符号积分问题, 正向搜索意味着从被积函数出发，按照积分规则，寻找原函数。而逆向搜索，则要从大量的原函数的任意组合出发，通过积分规则，找出被积函数，这显然要困难得多，我们在人工演算积分问题时决不会这么去做。 搜索方向的选择 (3) 依据用户可接受的方向 特别是需要向用户解释推理过程时，顺应用户的心理，选择搜索方向会使系统显得更自然一些。在建造专家系统时，向用户解释为什么系统会得出某个结论, 这一步骤是必不可少的，所以尤其要考虑这个问题。 3.2.2 几种最基本的搜索策略 下面主要介绍采用Best-first策略的几个基本方法，这些方法构成了许多数AI系统的构架，其效率取决于问题所在领域知识的利用与开发。由于这些方法的通用性，并且难于克服搜索过程的组合爆炸问题，所以又称为弱法(Weak method）。 3.2.2 几种最基本的搜索策略 弱法主要包括： 　　．最佳优先法　　　　　 　．生成测试法 　　．爬山法　　　　　　　　　　　 　　．广度优先法 　　．问题归约法　　　　　　　　　 　　．约束满足法 　　．手段目的分析法。 1．生成测试法(Generate-and-test） 生成测试法的基本步骤为： 1. 生成一个可能的解，此解是状态空间一个点，或一条始于S0的路径。 2. 用生成的“解”与目标比较。 3. 达到目标则停止，否则转第一步。 1．生成测试法(Generate-and-test） 此方法属于深度优先搜索(depth-first-search）, 因为要产生一个完全的解后再判断，若不是目标又要生成下一个“解”。这种方法几乎接近耗尽式搜索，因而效率低。 于是人们考虑能否利用反馈信息以帮助决定生成什么样的解，这种改进就是下面要讲的爬山法。 2．爬山法(Hill-climbing） 1 生成第一个可能的解。若是目标，则停止；否则转下一步。 2 从当前可能的解出发，生成新的可能解集。 2.1 用测试函数测试新的可能解集中的元素，若是解，则停止；否则转2.2。 2.2若不是解，则将它与至今已测试过的“解”比较。若它最接近解，则保留作为最佳元素；若它不最接近解，则舍弃。 3 以当前最佳元素为起点，转(２）。 2．爬山法(Hill-climbing） 爬山法在生成的元素中寻找最优解，这种最优是局部最优。爬山法会产生下述问题： (1）找到的是局部最大值。(如左图) (2）碰到平顶时无法处理。(如右图) 2．爬山法(Hill-climbing） (3）碰到山脊时无法处理。 碰到山脊的克服办法是： (1) 退回较大一步，即允许回朔。 　(2) 向前跨一大步。 　(3) 多设几个初始点，从几个初始点同时或先后进行搜索。 3．最佳优先搜索(Best-first search) 1 生成第一个可能的解。若是目标，则停止；否则转下一步。 2 从该可能的解出发，生成新的可能解集。 2.1 用测试函数测试新的可能解集中的元素，若是解，则停止；否则转a。 2.2 若不是解，则将新生成的“解”集加入到原可能“解”集中。 3 从解集中挑选最好的元素作为起点，再转２ 4. 模拟退火法(simulated Annealing) 退火是冶金专家为了达到某些特种晶体结构重复将金属加热或冷却的过程, 该过程的控制参数为温度T。这种思想应用于许多优化问题就产生了模拟退火算法, 模拟退火法的基本思想是