人工智能第2章1综述.ppt

人工智能导论 刘春阳 智能机器人 研究所 第2章 基于搜索的问题求解 2.0 引言 人工智能要解决的问题，大部分不具备明确的解题步骤。这类问题可以采用搜索方法解决，但是在解决过程中，会伴随着产生试行错误。本章将采用状态空间图的问题表示方法、采取纵向搜索和横向搜索的系统的搜索方法、运用启发式（已发现的知识）的搜索方法、表示问题分解的与（AND）/或（OR）图的搜索，以及在计算机国际象棋等方面用到的博弈树搜索，进行分析和说明。 2.1 搜索与人工智能的关系 计算机具有的计算能力远远超过人类，但是它的计算顺序必须由程序明确地表示出来。然而在日常生活中，多数问题不具备明确的计算（或解题）步骤。 在人工智能处理的问题中，求步骤不明朗的情况是很多的，解决这类问题的方法之一，就是采用搜索法。 1 八数码魔方 八数码魔方问题的描述如下： ?(1) 在一个3×3的方框中放有8个编号的小方块： (2）挨着空位的方块可以移入空位； (3）通过平移小方块，将某一初始布局，变换到某一终局。 2 状态空间表示 为了用计算机解决问题，首先有必要用程序去表示那些可以进行表示的问题。 在解题方法的步骤明朗时，用流程图进行表示。 在解题方法的步骤不明朗时，可以采用状态空间表示作为问题的表示方法。 例： 机器人从容易迷失方向的格状路段迷宫入口（坐标为（0，0）），到出口（坐标为（2，2））。机器人最初位于入口处，它可以向着相邻的可能进行移动的任何坐标移动。这样在能够到达出口之前，就产生了路径选择问题。 在状态空间表示法中，要求解的问题是以状态和算符集合的形式表示的。在上述问题中，对于机器人的位置可以定义出9种状态。例如，机器人在坐标（0，1）的位置上可以用状态（0，1）表示。所谓算符是一种表示状态与状态关系的符号，在本问题中，相应于机器人的移动方向上（U）下（D）左（L）右（R），可以应用算符U，D，R。其应用结果是分别可以变化到状态（0，2），（0，0），（1，1）。这种状态和算符的关系可用下面的状态空间图表示。 不论是什么问题，都具有求解前的状态和求解后的状态，前者称为初始状态，后者称为目标状态。在迷宫问题中，机器人进入入口状态（0，0）为初始状态，进入出口状态（2，2）为目标状态。而且所谓的问题求解，就是依次应用可以应用的算符，使初始状态变化到目标状态。在上例中，如果对初始状态依次应用算符U，R，R，U，则可以变化到目标状态。 3 与图有关的术语 状态空间图是由节点的集合和分枝的集合构成的。节点数目有限的图称为有限节点图。一个分枝连接两个节点。在分枝中，有具有方向的分枝（有向分枝）和不具有方向的分枝（无向分枝）。无向分枝与具有各自方向的两个有向分枝的意义相同。 当存在从节点 开始指向节点 的分枝时，则称 为 的双亲节点， 为 的子节点。 求解节点 的所有子状态，称为 节点的扩展。当节点的系列为 ，且存在着从各个节点 开始指向 的分枝时（ ），则称之为从 到 的路径。路径中不包含两个以上的相同分枝，两端的节点如果是相同的，则称这种路径为闭路。 对于所有不同的两个节点，不考虑分枝的方向，把它们连结起来的路径构成的图称为连接图。不构成闭路的连接图称之为树。 在用图来表示状态空间时，可以相应的用节点表示状态，用分枝表示运算符。这时初始状态对应的节点称为初始节点，与目标状态对应的节点称为目标节点。因此，所谓的问题求解，就是求出从初始节点到目标节点的路径（即解）。 2.2 逐个搜索 解决问题，意味着找到从状态空间图的初始节点到目标节点的路径。因此，实际上是应当说明为找到上述路径所需要的算法。 现在从最简单的问题开始讨论，然后再对其进行修正，逐步过度到高级的问题。 1 随机搜索 用来寻找最单纯的路径的算法，是下面表示出来的随机搜索方法。 算法1 随机搜索 第1步：设初始节点为 ； 第2步：如果节点 为目标节点，则求解以成 功告终； 第3步：扩展节点 ，得到子节点的集合； 第4步：从子节点中选择一个节点，并且设 为 ; 第5步：设 为新的 并进入第2步。 这种方法是一种从初始节点开始，然后连接