第5章搜索策略解析.pptVIP

启发式图搜索策略 A*搜索算法 可采纳: 存在最短求解路径时，必能找到它 单调性: h(c)?h(p) ? cost(p,c), h(G) = 0 启发性: h(n)越大，启发性越好 启发式图搜索策略 其它启发策略 局部最优: 扩展当前节点时，选择估价最小的一个后继节点作为下一个考察节点 分支限界: 如代价函数单调增长，设已找到的最优解代价为c*，则剪去所有代价已超过c*的结点 a b c d 18 10 28 e d 15 20 b 24 c d 24 16 与／或树搜索策略 可解标示: 由可解子节点来确定父节点为可解节点 不可解标示: 由不可解子节点来确定父节点为不可解节点 将初始问题放入Open表 当前问题为 叶结点？ 可解性标示 Y N Open表为空? 搜索失败 从Open表中取出一个当前结点 分解当前问题, 将未出现的子结点加入Open表 Y N 搜索成功 Y N 确定S0可解性? 与／或树搜索策略 深度优先 广度优先 代价优先 博弈树搜索策略 博弈树的搜索过程 博弈具有“二人零和、全信息、非偶然”的特征。 （1） 二人零和：对垒的MAX、MIN双方轮流采取行动，博弈的结果只有三种情况：MAX方胜，MIN败；MIN方胜，MAX方败；和局。 （2） 全信息：在对垒过程中，任何一方都了解当前的格局及过去的历史。 （3） 非偶然：任何一方在采取行动前都要根据当前的实际情况，进行得失分忻，选取对自己最为有利而对对方最为不利的对策，不存在掷骰子之类的“碰运气”因素。即双方都是理智地决定自己的行动。 博弈树搜索策略 博弈树的搜索过程 如果站在某一方（如MAX方，即MAX要取胜)，把上述博弈过程用图表示出来，则得到的是一棵“与／或树”。描述博弈过程的与或树称为博弈树。 （1）博弈的初始格局是初始节点。 （2）在博弈树中，“或”节点和“与”节点是逐层交替出现的。自己一方扩展的节点之间是“或”关系，对方扩展的节点之间是“与”关系。双方轮流地扩展节点。 （3）所有自己一方获胜的终局都是本原问题，相应的节点是可解节点；所有使对方获胜的终局都认为是不可解节点。 博弈树搜索策略 极大极小分析法 极大极小分析法的基本思想是： （1）设博弈的双方中一方为A，另一方为B。极大极小分析法是为其中的一方（例如A方）寻找一个最优行动方案的方法。 （2）为了找到当前的最优行动方案，需要对各个方案可能产生的后果进行比较。 （3）为了计算得分，需要根据问题的特性信息定义一个估价函数，用来估算当前博弈树端节点的得分，称为静态估值。 （4）当端节点的估值计算出来后，再推算出父节点的得分。 （5）如果一个行动方案能获得较大的倒推值，则它就是当前最好的行动方案。 博弈树搜索策略 极大极小分析法 博弈树的启发式搜索算法： （1）k=1，初始棋局Sk= S1; （2）如果棋局Sk是终止节点棋局，则算法成功终止；否则，由棋局Sk生成A方所有可能的或关系子节点Si(i=1,2,…,n)。 （3）对每一个或关系子节点Si，生成其B方所有可能的与关系子节点Sj (i=1,2,…,n) 。生成节点数为n×m+1的部分博弈树。 （4）计算每个与关系子节点Si的启发函数值Sj。 博弈树搜索策略 极大极小分析法 （5）分别由m个与关系子节点倒推计算其父节点（与节点）的启发函数值: （6）由n个或关系子节点倒推计算其父节点Sk（或节点）的启发函数值： （7）A方从Sk的n个或关系子节点中选择节点i作为最优行动方案，获得棋局Si。 （8）B方从Si的m个与关系子节点中选择节点j作为最优行动方案，获得棋局Sj。 （9）若节点j是端节点，则算法终止；否则令k=j，转步骤（2）。 博弈树搜索策略 极大极小分析法 一字棋游戏。设有一个三行三列的棋盘，如图5-27所示，两个棋手轮流走步，每个棋手走步时往空格上摆一个自己的棋子，谁先使自己的棋子成三子一线为赢。设A方的棋子用×标记，B方的棋子用○标记，并规定A方先走步。 博弈树搜索策略 极大极小分析法 【解】（1）启发函数定义 A方的启发函数定义为 B方的启发函数定义为 其中，ea(Si)为形成棋局Si时，A方棋子×可能占满行、列和对角线的数目；eb(Si)为形成棋局Si时，B方棋子○可能占满行、列和对角线的数目。 博弈树搜索策略 极大极小分析法 （2）A方第一回合博弈树 博弈树搜索策略 ?-?剪枝 （1）对于一个与节点MIN，若能估计出其倒推值的上界β，并且这个β值不大于MIN的父节点（一定是或节点）的估计倒推值的下界α，即α≥β，则就不必再扩展该MIN节点的其余子节点了。这一过程称为α剪枝。 （2）对于一个或节点MAX，若能估计出其倒推值的下界α