2-1 搜索问题.ppt

4-8 A*算法应用举例 A*算法应用的关键： 如何定义启发函数，使其满足h(n)?h*(n)，而h*(n)在求解过程中不能事先知道 例：八数码问题 * 2 8 3 1 6 4 7 5 1 2 3 8 4 7 6 5 初始状态 目标状态 启发函数h(n)?h*(n) 启发函数h(n)=W(n)， W(n)为“不在位”的将牌个数 启发函数h(n)=P(n)， P(n)为每个将牌与目标之间的距离之和 启发函数 h(n)=0 h(n)=W(n) h(n)=P(n) 扩展接点数 生成接点数 26 46 6 13 5 11 * 不同启发函数下扩展的接点数 例：传教士和野人问题 N个传教士（M）和N个野人（C）准备渡河，渡船每次最多可乘坐K人。 启发函数 h(n)=0 h(n)=M+C h(n)=M+C?2B * 迷宫从入口到出口有多条路径，搜索最短路径 h(n)=|XG ? xn|+|YG ? yn| * 入口 出口 (XG,YG) (Xn,Yn) 例：迷宫问题 4-9 评价函数的启发能力 启发能力与选择启发函数关系密切，一般启发能力强，搜索效率高 有时为了提高启发能力，选择不是h*(n)下界范围的h(n)，虽然有时可能找不到最佳解，但可以使搜索性能大为改善 * 如，八数码问题，选h(n)=P(n)+3S(n) S(n)：考虑非中心位置将牌的顺序，一致时取2，不一致时取0；中心位置有将牌取1，否则取0 实验表明，启发效果很好 搜索树（略） * 影响算法启发能力的三个因素 路径的耗散值 可以通过改变h的系数改变启发能力 h的系数很大时，启发能力增加，路径耗散被忽略 求解路径时所扩展的接点数 计算h所需的工作量 h ? h*被扩展接点最少，但可能计算工作量大；选择不是h*下界范围的h可能更容易计算 * f = g + wh w 增加时，强调启发分量，忽略路径耗散 w 减少时，突出宽度优先的特征 可以使 w 随深度成反比变化，可提高搜索效率 * 作业2 2. 什么是评价函数、什么是启发函数？它们的区别是什么？ * 参考文献 Anne v.d.L. Gardner, Search, an Overview, Al MAGAZINE Winter 1980-81 Jonathan Schaeffer, A Gamut of Games. AI Magazine Volume 22 Number 3 (2001) * * Search is an important approach to general-purpose problem-solving. Search techniques are the most important and pervasive general AI programming technique. The basic idea: before actually doing something in order to solve some problem/puzzle, an intelligent agent will explore possibilities in its head. Search = (mental) exploration of possibilities When we make a decision we cant be sure that weve made the best one unless we explore various possibilities (to at least some degree). * Example: Before deciding on a move, a chess player will consider a number of possibilities, weighing up the probable benefits of each. When trying to solve Rubiks cube, a person may try a few moves in their head before deciding on the next move. To solve a maze, we may follow some path which leads to a dead-end. We then have to go back to a previous choice-point and try an alternative. In deciding to travel, say from Arad to Bucharest, we would look at different routes on the m