第二章投影片.pptVIP

曾憲雄、黃國禎 人工智慧與專家系統 Chapter 2 解題與搜尋方法 (Problem-Solving and Searching Methods) 本章重點 本章將說明決策及求解問題的描述方式，以及如何運用傳統的人工智慧搜尋方法來解決這個類型的問題。 用來解決一般的複雜問題之外，本章所提到的觀念也常被應用在遊戲的解題策略中 。 2.1 問題定義 (Problem formulation) 在問始運用電腦解決一個問題之前，首先要能將問題清楚的在電腦中描述。 完整的問題描通常包含大量與問題特性相關的資訊，而與這些資訊相關的知識對於找到解答有很大的幫助。 2.1.1 問題與解題狀態的定義(Well-defined problems and solutions) 利用狀態空間來定義問題有兩個基本要素: 狀態(states) 行動(actions) 2.1.1 問題與解題狀態的定義(Well-defined problems and solutions) 具體的表達方式如下： 初始狀態(initial state)。 可用的運算元(operator)的集合。 「狀態空間」(state space) 「路徑」(path)： 「目標測試」(goal test) 「路徑成本」(path cost) 2.1.1 問題與解題狀態的定義(Well-defined problems and solutions) 2.1.2 解題狀態的評量 (Measuring problem-solving performance) 此圖為部分的有限狀態機器，用來測試輸入的字串是否正確。 2.1.2 解題狀態的評量 (Measuring problem-solving performance) 我們可以把狀態空間想像成問題空間(Problem space)，有些狀態是符合解決問題的中間部分，另一些狀態則是符合答案的。 以下的猴子與香蕉問題可看成是一個問題空間，只需要回應問題的“是”與“不是”，就能決定下一個狀態。 2.1.2 解題狀態的評量 (Measuring problem-solving performance) 跳下躺椅 移動梯子 把梯子移到香蕉下的位置 爬上梯子 摘下香蕉 2.1.2 解題狀態的評量 (Measuring problem-solving performance) 另一個圖形的應用是以探勘路徑找出問題的解法，圖 (a)表現了旅行推銷員(traveling Salesman)問題。 2.1.2 解題狀態的評量 (Measuring problem-solving performance) 圖 (b)表示了從A點出發的樹，其中正確的路徑以粗線表示，如ABDCA或ACDBA。 2.1.2 解題狀態的評量 (Measuring problem-solving performance) 一個狀態空間對於描繪結構不明確的問題仍相當有用 結構不明確的問題是指很多不確定因素的結合，這種不確定性可以用問題空間精確表達。 2.1.2 解題狀態的評量 (Measuring problem-solving performance) 表2.1是可能的不確定因素及旅遊代理人必須解決的問題。 2.1.2 解題狀態的評量 (Measuring problem-solving performance) 問題空間讓我們更明確地了解一個結構不明確的問題所具備的特徵，藉由描繪這些特徵的參數以找到合適的解答。 在旅遊問題中，狀態的範圍並未被界定，因為旅行者會有無限可能的目的地。 2.1.2 解題狀態的評量 (Measuring problem-solving performance) 如果我們將每個讀數視為一個狀態，那麼將會有無限個狀態，因為每個狀態都是一個實數，而兩個實數間有無限個實數。 相反的，數位的計量器讀數的範圍是被清楚界定的，因為它的狀態是離散的。 2.1.2 解題狀態的評量 (Measuring problem-solving performance) 搜尋的效能至少可以用三種方法來評量： (1)它是否能找到答案？ (2)它是否為好的答案？ (3)需要找到解答的時間和空間的搜尋成本是什麼？ 搜尋的總成本即是路徑成本和搜尋成本的總和。 2.1.3 狀態的選擇與執行 (Choosing states and actions) 初始狀態是「在新莊」而目標測試則是「是否在新竹？」運作元則是對應於沿著兩個城市之間的路駕車。 2.1.3 狀態的選擇與執行 (Choosing states and actions) 問題解決真正重要的，是決定要用什麼來描述狀態和動作，而什麼是可省略的。 這種從描述中省略細節的過程稱為抽象化(abstr