ppt课件-高级人工智能.pptVIP

* * * * * 后向跳转的仍然思想是好的：基于失败的原因回溯。 * * 后向跳转的仍然思想是好的：基于失败的原因回溯。 SA的冲突集是{WA, NT, Q}：由前向检验过程，在WA, NT和Q}的值确定之后，SA的取值变为空集。 * 回顾回溯搜索 * Q：“局部”体现在何处？ * 回顾回溯搜索 小结 约束满足问题（CSP），用图表示它的结构 CSP问题的回溯搜索；深度优先搜索的一种形式 从三个方面优化搜索 约束满足问题的局部搜索 最小冲突启发式 问题的结构 割集调整将问题化为树状结构 树分解将问题化为子问题的树 课堂练习 澳大利亚地图染色问题，是指用红绿蓝3色标出各省，且相邻者颜色不同。下图给出了澳大利亚地图着色问题的约束图。 假设当前所有变量都还没有赋值，按照度启发式，请问应该选择哪一个变量进行赋值？ 假设已有不完全赋值{WA=red，NT=green}，下面需要在SA或Q这两个变量之间选择一个进行赋值。如果采用MRV（最少剩余值）启发式来选择变量，请问应该选择哪一个？ 假设已有不完全赋值{Q=red, NSW=green, V=blue, T=red}。此时，给SA赋值将发现无法满足约束条件。请问SA的冲突集是什么？ 作业 分别用回溯算法、前向检验算法、MRV和最少约束值启发式算法手工求解密码算术问题。 即习题6.5，教材Page 191。Stuart Russell，Peter Norvig著， 殷建平等译。Artificial Intelligence – A Modern Approach (3rd Edition)。清华大学出版社。 * 回顾回溯搜索 * * * * * 作业规划问题，每个作业的开始日期是一个变量，可能的取值是从当前的日期开始计数的天数。 * * * 密码算术问题：每个字母表示一个不同的数字；目标是找到能使加法式子成立的数字，附加的约束条件是最前面的数字不能为0。 如不考虑O/U有进位， O不能为0或1，否则R为0或O为奇数，矛盾。 * 密码算术问题：每个字母表示一个不同的数字；目标是找到能使加法式子成立的数字，附加的约束条件是最前面的数字不能为0。 如不考虑O/U有进位， O不能为0或1，否则R为0或O为奇数，矛盾。 * * * 回顾回溯搜索 * * * * * * * * 回顾回溯搜索 * * * * * * * * CSP回溯搜索的改进 基于变量和赋值次序的启发式 MRV（最少剩余值）启发式 最少约束值启发式 度启发式 搜索与推理交错进行 智能回溯：向后看 MRV启发式 随机的变量赋值排序难以产生高效率的搜索。 例如：在WA=red/NT=green条件下选取SA赋值比Q要减少赋值次数(1:2)，并且一旦给定SA赋值以后，Q、NSW和V的赋值只有一个选择。 WA NT SA NSW Q V T 因此，应当选择合法取值最少的变量，即最少剩余值(MRV)启发式，也称为最受约束变量启发式或失败优先启发式。 称为失败优先启发式是因为它可以很快找到失败的变量，从而引起搜索的剪枝，避免更多导致同样失败的搜索。 最少约束值启发式 MRV启发式：当有多个变量需要选择时，优先选择在当前约束下取值最少的变量。 问题：一旦变量被选定，算法就要决定它的取值的次序。 最少约束值启发式：当赋值的变量有多个值选择时，优先的值应是约束图中排除邻居变量的可选值最少的，即优先选择为剩余变量的赋值留下最多选择的赋值。 例如，WA=red且NT=green时，如果给Q赋值，可以为blue或red，而Q=blue的选择不好，因为此时SA没有一个可选择的了。 WA NT SA NSW Q V T 如果要找出问题的所有解，则排序问题无所谓。 度启发式 MRV启发式：当有多个变量需要选择时，优先选择在当前约束下取值最少的变量。 问题：对澳大利亚地图着色问题中选择第一个染色问题根本没有帮助，因为初始的时候每个区域都有3种选择。 度启发式：选择涉及对其他未赋值变量的约束数量大（与其他变量关联最多）的变量。 地图染色例子中，度(SA)=5，其他均为2或3。 实际上，一旦选择了SA作为初始节点，应用度启发式求解本问题，则可以不经任何回溯就找到解。 WA NT SA NSW Q V T SA=red ? NT=green ? Q=blue ? NSW=green ? WA=blue ? V=blue ? T＝red CSP回溯搜索的改进 基于变量和赋值次序的启发式 搜索与推理交错进行 智能回溯：向后看 搜索与推理交错进行 一般的回溯算法：只有在选择了一个变量的时候才考虑变量的约束。 变量约束的启发式：在搜索的早些时候，或开始之前就考虑某些约束，从而降低搜索空间。 约束传播 最简单的推理形式：前向检验 前向检验 前向检验：如果X被赋值