第3章图搜索与问题求解讲稿.ppt

第2篇 搜索与求解 搜索是人工智能技术中进行问题求解的基本技术，不管是符号智能还是计算智能，不管是解决具体应用问题（如证明、诊断、规划、调度、配置、优化）还是智能行为本身（如学习、识别），最终往往都归结为某种搜索，都要用某种搜索算法去实现。 两种智能中的搜索互不相同。 符号智能：采用图搜索。图搜索运用领域知识，以符号推演的方式，顺序地在问题空间中进行的，其中的问题空间又可表示为某种状态图（空间）或者与或图的形式。发展较早，如“启发式”图搜索。 计算智能：采用智能算法。即以计算为主的算法，随机地在问题的及空间中进行，这类搜索算法在解决优化问题中表现出了卓越的性能，使搜索技术达到了一个新的水平。例如：遗传算法，免疫算法，粒群算法等。 图搜索模拟人脑分析问题、解决问题的过程，基于领域知识。 搜索算法借鉴或模拟某些自然现象或生命现象而实现的搜索和问题求解技术。 上面两个问题虽然内容不同，但抽象地来看，他们都是在某特有向图中寻找目标或路径的问题。在人工智能技术中，把这种描述问题的有向图称为状态空间图，简称状态图。 状态图中的节点代表问题中的一种格局，一般称为问题的一个状态；边表示两节点之间的某种联系，如，它可以是某种操作、规则、变换、算子、通道或关系等等。 从初始节点到目标节点的一条路径就是问题的一个解，根据需要，路径解可以分为： 节点序列：如例3.1 边的序列：如例3.2，也可认为是棋步序列 还有许多智力问题，如梵塔问题、旅行商问题、八皇后问题、农夫过河问题等等，以及实际问题，如路径规划、定理证明、演绎推理、机器人行动规划等，都可以归结为在某一状态图中寻找目标或路径的问题。 3.1.2 状态图搜索 搜索是状态图中寻找目标或路径的基本方法。 搜索的定义：从初始状态出发，沿着与之相连得边试探地前进，寻找目标节点的过程。寻找目标和寻找路径是一致的。 搜索的过程中，要经过许多的节点和边，这些节点和边按照一定的关系构成一个树型的有向图，称为搜索树。 为了方便的找出搜索路径或节点，搜索过程中应当随时记录搜索轨迹。 线式搜索的基本方式又可分为不回溯的和可回溯的两种。 不回溯：遇到“叉路口”仅沿一条路前进，即对每一个节点始终都仅生成一个子节点（如果有子节点的话），也可称为对该节点进行扩展，且仅扩展一个子节点。 如果遇到目标节点，则搜索成功； 如果不能再扩展还没找到目标节点，则搜索失败。 可回溯：当遇到某节点不能扩展的话，则返回上一节点，扩展另一条边（如果有的话）。 如果遇到目标节点，则搜索成功； 如果回溯到初始节点也未找到，则搜索失败。 总结：树式搜索成功后，还需要从搜索树中找出所求路径。而线式搜索只要成功，所经过的那一条线就是路径。 树式搜索中寻找路径的方法：对节点间的父子关系做一记录，当搜索成功时，逆向按父子关系追溯回去，到达初始节点，这条路径就是所求路径。 2. 搜索策略 　　 ●盲目搜索：通俗的讲，就是无“向导”的搜索，树式盲目搜索就是穷举式搜索，即从初始节点出发，沿连接边逐一考察各个节点（看是否为目标节点）；线式盲目搜索，对于不回溯的就是随机碰撞式搜索，对于回溯的则也是穷举式的搜索。 ●启发式(heuristic)搜索：利用“启发性信息”引导的搜索。所谓“启发性信息”就是与问题有关的有利于尽快找到问题解的信息或知识。通俗的讲，可以认为是按照某种规则进行搜索，这样就会少走弯路，提高搜索效率，而且可能找到问题的最优解。 根据启发性信息内容和使用方式的不同，可分为不同的策略，如全局择优、局部择优、最佳图搜索等。 根据搜索范围的扩展顺序不同，可分为广度优先和深度优先两种。 OPEN表 CLOSED表 需要说明的是，上述算法仅是搜索目标节点的算法，当搜索成功后，如果需要路径，则还须有CLOSED表再找出路径。找路径的方法是： 对于树式搜索，从CLOSED表中序号最大的节点起，根据返回指针追溯至初始节点S0，即可得到。 对于线式搜索，CLOSED表即是所找路径。 例3.3 用广度优先搜索策略解八数码难题。 规则:空格可向上、下、左、右四个方向移动。 这里OPEN表是一个队列，CLOSED表是一个顺序表，表中各点按顺序编号，正被考察的节点在表中编号最大。如果问题有解，OPEN表中必出现目标节点Sg，当搜索到该节点时，算法结束。然后反向追溯得路径。