人工智能原理第4章知识表示(阅读).ppt

人工智能原理第2章 搜索技术（上）本章内容 2.1 搜索与问题求解 2.2 无信息搜索策略 2.3 启发式搜索策略 2.4 局部搜索算法 2.5 约束满足问题 2.6 博弈搜索  参考书目 附录 A*算法可采纳性的证明 2.1 搜索与问题求解2.1.1 问题与问题的解2.1.2 问题实例2.1.3 搜索策略 搜索与问题求解 问题求解过程是搜索答案(目标)的过程 / 所以问题求解技术也叫搜索技术—通过对状态空间的搜索而求解问题的技术 问题求解智能体是一种基于目标的智能体 在寻找到达目标的过程中，当智能体面对多个未知的选项时，首先检验各个不同的导致已知评价的状态的可能行动序列，然后选择最佳序列—这个过程就是搜索 2.1.1 问题与问题的解 问题可以形式化地定义为4个组成部分 智能体的初始状态(即搜索的开始) 后继函数—智能体采取的可能行动的描述，通常为行动，后继状态 / 初始状态和后继函数隐含地定义了问题的状态空间 / 状态空间中的一条路径是通过行动序列连接起来的一个状态序列 目标测试—检查给定的状态是不是目标 路径耗散函数—每条路径都有一个数值化的耗散值，反映了性能度量 / 求解问题的代价 问题的解 问题的解就是初始状态到目标状态的路径 解的优劣由路径耗散函数量度(代价) 最优解就是路径耗散函数值最小的路径 上述解题过程把解决一个问题的过程描述出来，称之为解题知识的过程性表示 过程性知识与陈述性知识相对 搜索过程解题的特点—没有直接的方法(公式)可以求解，而是一步一步的探索 状态空间 数据基：代表了所要解决的问题，有初始状态，可能有目标状态也可能没有 状态空间：在解题过程中的每一时刻，数据基都处于一定的状态，数据基所有可能状态的集合称为状态空间 有向图：若把每个状态看成一个节点，则整个状态空间是一个有向图 / 该图不一定全连通，即从某些状态不一定能到达另外一些状态 问题的可解性 可解的：在每个连通部分，每个弧代表一个运算符，将状态改变 / 如果从代表初始状态的节点出发，有一条路径通向目标状态，则称此目标状态所代表的问题在当前初始状态下是可解的 搜索空间：在解题过程中达到过的所有状态的集合，称为搜索空间 不同于状态空间，搜索空间只是其中一部分 状态空间和搜索空间都属于过程性知识表示 2.1.2 问题实例 玩具问题 八数码游戏(九宫图) 河内塔 八皇后问题 真空吸尘器世界 现实问题 旅行商问题 超大规模集成电路的布局 自动装配排序 / 蛋白质设计 互联网搜索 八数码游戏 八数码游戏：1-8数字(棋子)/9个方格(棋盘格)/1个空格 可用如下形式的规则来表示数字通过空格进行移动：a1,a2,a3,a4,a5,a6,a7,a8,a9→b1,b2,b3,b4,b5,b6,b7,b8,b9 共24条规则=4角*2+4边*3+1中间*4 搜索顺序举例： (1)优先移动行数小的棋子(数字) (2)同一行中优先移动列数大的棋子 约束规则：不使离开既定位置的数字数增加 八数码游戏的搜索树 八数码问题形式化 初始状态 初始状态向量—规定向量中各分量对应的位置，各位置上的初始数字 后继函数 移动规则—按照某条规则移动数字，将得到的新向量 目标测试 新向量是否是目标状态(也是向量形式) 路径耗散函数 每次移动代价为1 河内塔(1) 河内塔问题：n个大小不等的圆盘从一个柱子移到另一个柱子，共有3个柱子(n阶河内塔问题) 约束：从第1根柱子移动到第3根柱子上去，利用第2根柱子 / 每次移动1个盘子，且移动过程必须是小盘落大盘 描述：设每个状态为(a1, a2, a3, …, an), ai=1, 2, 3—表示第i个盘子在第1/2/3根柱子上 河内塔(2) 递归定义：{(a1, a2, a3, …, an)}为n阶河内塔的状态集合，则{(a1, a2, a3, …, an, 1), (a1, a2, a3, …, an, 2), (a1, a2, a3, …, an, 3)}是n+1阶河内塔的状态集合 1阶河内塔有3个状态，2阶河内塔有9个状态，n阶河内塔有3n个状态，给出1/2/3阶河内塔的状态图 河内塔问题图解 河内塔问题形式化 初始状态 初始状态向量—规定向量中各分量对应所有n个盘子，位置上数字代表3个柱子之一 后继函数 移动规则—依据约束条件给出的各状态的后继状态 目标测试 新向量是否是目标状态(也是向量形式) 路径耗散函数 每移动一个盘子的代价为1 河内塔问题求解 求最短路径问题：状态图中从三角形1个顶点走到另一个顶点 结论： (1)如果初始状态或目标状态在三角形顶点上，则最短路径唯一； (2)对于任意2个状态，最短求解路径至多为2条。(中国某大学研究生证明) 求解过程—对状态空间的搜索—以2阶河内塔为例 河内塔