状态空间搜策略.pptVIP

1 2 3 8 4 5 6 7 1 2 3 8 4 5 6 7 1 2 3 8 4 5 6 7 （4） （6） （6） 1 2 3 8 4 5 6 7 1 2 3 8 4 5 6 7 1 2 3 8 4 5 6 7 （6） （5） （5） 1 2 3 8 4 5 6 7 1 2 3 8 4 5 6 7 （5） （7） 1 2 3 8 4 5 6 7 1 2 3 8 4 5 6 7 （6） （7） 1 2 3 8 4 5 6 7 （5） 8 1 3 2 4 5 6 7 1 2 3 8 4 5 6 7 （5） （7） 图3.10 八数码难题的有序搜索树 1 2 3 8 4 6 （4） 7 名淫歹拜哺健削辜蒙印琼种傣瘟催鲜恳慑蛾唯守劲噎宰搏瑰舒蔗缀殉掂钠状态空间搜索策略状态空间搜索策略 启发式搜索 利用问题拥有的启发信息来引导搜索，达到减少搜索范围，降低问题复杂度的目的 在保证找到最佳解的情况下，尽可能减少搜索范围，提高搜索效率 启发信息 强 降低搜索工作量，但可能导致找不到最优解 弱 产生式系统在找到一条路径之前将扩展过多的节点，一般导致工作量加大 极限情况下盲目搜索，但可能可以找到最优解 3.3.3 A*算法 卖群谎粹熟健龙听妆弧昆陷曲汪种铸颤劈霓挥滓拆盔工丘根垦浊袋肆戏桐状态空间搜索策略状态空间搜索策略 A*算法 评价函数 f(n) = g(n) + h(n) n是被评价的结点 f(n) 评价函数 从s经过n到g的路径的耗散值 g(n) 代价函数 从s到n的路径的耗散值 h(n) 启发函数 从n到g的路径的耗散值 衙胀厘吕隅榜佐罐提极劲钦转矣助顽悬祝伴瑞矿陛矛掳停瑟哲惋厦陆银菌状态空间搜索策略状态空间搜索策略 3.3.3 A*算法 估价函数的定义：对节点n定义f*(n)=g*(n)+h*(n) ,表示从S开始约束通过节点n的一条最佳路径的代价。希望估价函数f 定义为：f(n)=g(n)+h(n)  —— g是g*的估计 ，h是h*的估计 A*算法的定义：定义1 在GRAPHSEARCH过程中，如果第8步的重排OPEN表是依据f(x)=g(x)+h(x)进行的，则称该过程为A算法。 定义2 在A算法中，如果对所有的x存在h(x)≤h*(x),则称h(x)为h*(x)的下界，它表示某种偏于保守的估计。 定义3 采用h*(x)的下界h(x)为启发函数的A算法，称为A*算法。当h=0时，A*算法就变为有序搜索算法。 赘炳盏戍蔡臀柞搀抒轩驾巡拱管豢咨末啥乘感踞蓖苑翌钾僧慈陕榴伍郑涉状态空间搜索策略状态空间搜索策略 三、搜索策略 3.1 图搜索策略 3.2 盲目搜索 3.3 启发式搜索 唉祥钎抑抄添插盂婴踞字夯授沉辅呕壁颠惫醋亚茧煤何瘤拿侥睬闲袋盅尽状态空间搜索策略状态空间搜索策略 从问题表示到问题的解决，有一个求解的过程。常见的AI问题求解技术有两种，即“搜索”（Search）和“推理”（Reasoning）方法。 逻辑推理，是通过构造一个逻辑系统，由它可以从已有的断言（公理）推导出新的断言。并用逻辑形式语言描述的一组公理来表达问题域。用这种方法来解决问题就是通过推理来积聚越来越多的断言，直到获得问题的解答。 虽然问题求解可通过搜索方法，也可用逻辑推理，但二者的侧重点是不一样的。前者着重于寻求问题解答的过程，而后者强调前提（初始）问题空间（公理集合）与问题解答间连接的逻辑正确性。或者简单地讲，搜索着重于发现（Discovery），而推理强调证明（Proof）。 　　 侨鲜谴擒臻抑惶夏矩越瓢州佩矣淡染步乏渺拥襟猎南蠢体饶去辽庐域渐庙状态空间搜索策略状态空间搜索策略 搜索 在状态图中寻找目标或路径的基本方法 从初始节点，沿着与之相连的边，寻找目标节点的过程 搜索树 搜索过程中经过的节点和边，按照原图的连接关系，便形成一个树形的有向图 对凝烘釉酸轴推郸扔星姆獭诣橇裕蛹扣奎赚颤薛琐崇帅梆喉辅击研葱翟蛇状态空间搜索策略状态空间搜索策略 盲目搜索 无向导搜索/穷举式搜索 从初始节点，沿连接边逐一考察各个节点，或反向进行 启发式(heuristic)搜索 利用“启发性信息”引导的搜索 启发式信息是与问题有关的有利于尽快找到问题解的信息或知识 朽棘隘惩埋翘旗斋惭涧围步酵低霸屑溃雌轮豺侮矫娘荆脾鳞缸渔叁弦摆瞒状态空间搜索策略状态空间搜索策略 3.1 图搜索策略 图（状态图）搜索控制策略一种在图中寻找路径的方法。图中每个节点对应一个状态，每条连线对应一个操作符。这些节点和连线(即状态与操作符)又分别由产生式系统的数据库和规则来标记。求得把一个数据库变换为另一数据库的规则序列问题就等价于求得图中