2 搜索策略.pptVIP

博弈树 假定对弈双方分别为MAX和MIN，规定： 有利于MAX方的态势：f(p)取正值 有利于MIN方的态势：f(p)取负值 态势均衡的时候：f(p)取零 其中p代表棋局。 极小极大搜索过程 博弈树 极小极大搜索过程 MAXMIN的基本思想： 当轮到MIN走步的节点时，MAX应考 虑最坏的情况，即f(p)取极小值。 (2) 当轮到MAX走步的节点时，MAX应考虑最好的情况，即f(p)取极大值。 (3) 评价往回倒推时，相应于两位棋手的 对抗策略，交替使用(1)和(2)两种方法传递倒推值。 博弈树 分钱币问题是一种简单的博弈问题。对于这样的简单博弈问题，可以生成出它的状态空间图。这样就有可能从状态空间图中找出取胜的策略。右图给出的就是当初始钱币数为7时的状态空间图，其中MIN代表对方走，MAX代表我方走。从图中可以看出，在第一轮次对方一共有三种可能的走法，而不管对方如何走，我方都可以走到（4，2，1，MIN）这个状态。对方只能走到（3，2，1，1，MAX）。而这时我方走到（2，2，1，1，1，MIN）就获胜了。所以，对于这样一个分钱币问题，后走者总是能够获胜的。 极小极大搜索过程 博弈树 极小极大搜索过程 （一字棋）估价函数e(p)规定如下： (1)若格局p对任何一方都不是获胜的，则 e(p)=(所有空格都放上MAX的棋子后 三子成一线的总数) - (所有空格都放上MIN的棋子后 三子成一线的总数) (2)若p是MAX获胜，则e(p)=+∞ (3)若p是MIN获胜，则e(p)= - ∞ 博弈树 极小极大搜索过程 2 1 1 -2 -1 1 2 搜索策略 通用问题求解方法 宽度优先搜索 深度优先搜索 启发式搜索 与或图启发式搜索 博弈 引言 问题求解要考虑的两个基本问题： 状态空间表示 测试该状态空间中是否出现目标状态 引言 状态空间图（State Space Graph）是知识表示中一种常用的方法，它是由节点及节点间的边线所构成的图。节点对应问题的具体状态，通过节点可以形象地表示出问题的初始状态、目标状态和中间状态。边线通常是有向线，称为弧线，对应状态转换操作。弧线具有方向性，箭头表示其转换方向，表示可从一种状态转换为另一种状态。问题的解就是从对应于初始状态的节点连接到一个对应于目标状态的节点间形成的路径。 状态空间图表示知识 引言 状态空间图用“状态”和“算符”来表示问题，是表示问题及问题求解过程的一种常用的表示方法。用“状态”来描述问题求解过程中不同时刻的状态；用“算符”表示对状态的操作，算符的每一次使用就使问题由一种状态变换为另一种状态。当达到目标状态时，由初始状态到目标状态所用算符的序列就是问题的一个解。 用状态空间求解问题 引言 用状态空间求解问题 状态空间搜索算法的基本思想是： 首先把问题的初始状态（即初始节点）作为当前状态，选择适用的算符对其进行操作，生成一组子状态（或称后继节点、子节点），然后检查目标状态是否在其中出现。若出现，则搜索成功，找到了问题的解；若不出现，则按某种搜索策略从已生成的状态中再选一个状态作为当前状态。重复上述过程，直到目标状态出现或者不再出现可供操作的状态及算符为止。 引言 评价搜索策略的4个准则 完备性：如果存在一个解答，该策略是否保证能够找到？ 时间复杂性：需要多长时间可以找到解答？ 空间复杂性：执行搜索需要多少存储空间？ 最优性：如果存在不同的几个解答，该策略是否可以发现最高质量的解答？ 通用问题求解方法 人工智能所要解决的问题大部分不具备明确的解题步骤，只能利用已有的知识一步一步地探索前进。在此过程中，存在着如何寻找可用知识的问题，即如何确定推理路线，使其付出的代价尽可能地少，而问题又能得到较好的解决。这种根据问题的实际情况不断寻找可利用的知识，从而构造一条代价较少的推理路径，使问题得到圆满解决的过程称之为搜索（Search）。 搜索分为盲目搜索和启发式搜索。 通用问题求解方法 盲目搜索（Blind Search）又称为无信息搜索：它只按照预先规定的搜索控制策略进行搜索，而没有任何中间信息来改变这些控制策略。由于盲目搜索总是按预先规定的路线进行，没有考虑问题本身的特性，所以这种搜索具有盲目性，效率不高，不便于复杂问题的求解。 启发式搜索（Heuristic Search）：指在搜索求解过程中，根据问题本身的特性或搜索过程中所产生的一些与问题有关的信息指导搜索朝着最有希望成功的方向前进，加速问题的求解过程。由于搜索过程中利用了问题本身的一些相关信息来指导搜索的进行，以最快的速度找到问题的最优解，体现