第3章-搜索策略丁世飞87重点.ppt

第3章 搜索策略 问题求解系统划分为两大类 知识贫乏系统 依靠搜索技术解决问题 知识贫乏、缺乏针对性 效率低 知识丰富系统 依靠推理技术解决问题 基于丰富知识的推理技术，直截了当 效率高 3.1 引言 对于给定的问题，智能系统的行为一般是找到能够达到所希望目标的动作序列，并使其所付出的代价最小、性能最好。 基于给定的问题，问题求解的第一步是目标的表示。 搜索就是找到智能系统的动作序列的过程。 和通常的搜索空间不同，人工智能中大多数问题的状态空间在问题求解之前不是全部知道的。 所以，人工智能中的搜索可以分成两个阶段： 状态空间的生成阶段 在该状态空间中对所求问题状态的搜索 盲目搜索 只是可以区分出哪个是目标状态。 一般是按预定的搜索策略进行搜索。 没有考虑到问题本身的特性，这种搜索具有很大的盲目性，效率不高，不便于复杂问题的求解。 根据问题的表示方式分为 状态空间搜索 与或树搜索 考虑一个问题的状态空间为一棵树的形式。 宽度优先搜索 深度优先搜索 无论是宽度优先搜索还是深度优先搜索，遍历节点的顺序一般都是固定的，即一旦搜索空间给定，节点遍历的顺序就固定了。这种类型的遍历称为“确定性”的，也就是盲目搜索。 对于启发式搜索，在计算每个节点的参数之前无法确定先选择哪个节点扩展，这种搜索一般也称为非确定的。 完备性： 如果存在一个解答，该策略是否保证能够找到？ 时间复杂性： 需要多长时间可以找到解答？ 空间复杂性： 执行搜索需要多少存储空间？ 最优性： 如果存在不同的几个解答，该策略是否可以发现最高质量的解答？ 3.2.1 图搜索的基本概念 显式图与隐式图 显式图 把问题有关的全部状态空间图，即相应的全部有关知识(叙述性知识、过程性知识和控制性知识)，都直接存入知识库 隐式图 只存储与问题求解有关的部分知识(即部分状态空间)。这种存储方式称为隐式存储。 图搜索的基本思想 图搜索-一种在图中寻找路径的方法 从图中的初始节点开始，至目标节点为止。 初始节点和目标节点分别代表产生式系统的初始数据库和满足终止条件的数据库。 方法：把问题的初始状态作为当前状态，选择适用的算符对其进行操作，生成一组子状态，检查目标状态是否在其中出现。若出现，则搜索成功，找到了问题的解；若不出现，则按某种搜索策略从已生成的状态中再选一个状态作为当前状态。重复上述过程，直到目标状态出现或者不再有可供操作的状态及算符时为止。 3.2.2状态空间搜索——1.什么是状态空间图 例：钱币翻转问题 设有3个钱币，其初始状态为(反、正、反),欲得的目标状态为(正、正、正)或(反、反、反)。问题是允许每次只能且必须翻转一个钱币，连翻三次。问能否达到目标状态。 引入一个三维变量将问题表示出来。设三维变量为：Q=[q1,q2,q3]，式中qi (i=1,2,3)=0表示钱币为正面，qi (i=1,2,3)=1表示钱币为反面。 三个钱币可能出现的状态有8种组合： Q0=(0,0,0),Q1=(0,0,1),Q2=(0,1,0),Q3=(0,1,1),Q4=(1,0,0),Q5=(1,0,1), Q6=(1,1,0), Q7=(1,1,1)。 3.2.2状态空间搜索——2.问题的状态空间表示法 (1)状态空间的表示 状态空间记为SP，可表示为二元组： SP=(S,O) S——问题求解（即搜索）过程中所有可能到达的合法状态构成的集合； O——操作算子的集合，操作算子的执行会导致问题状态的变迁 ； 状态——用于记载问题求解（即搜索）过程中某一时刻问题现状的快照； 抽象为矢量形式 Q=[q0,q1,…,qn]T 每个元素qi称为状态分量 给定每个状态分量qi的值就得到一个具体的状态 Qk=[q0k,q1k,…,qnk]T 3.2.2状态空间搜索——2.问题的状态空间表示法 3.2.2状态空间搜索——2.问题的状态空间表示法 设初始状态下传教士、野人和船都在左岸，目标状态下这三者均在右岸，问题状态以（m,c,b）表示。 问题的求解任务可描述为：(3,3,1) → (0,0,0) 该简单问题可能到达的合法状态： 可能状态总数：4×4×2=32 根据条件得出合法状态：20 m ≧ c 且 N-m ≧ N-c (左岸安全且右岸安全) m=1,c=1；m=2,c=2 m=0且0≤c ≤N(左岸没有传道士) m=0,c=0,1,2,3 N-m=0且0≤N-c≤N(右岸没有传道士) m=3,c=0,1,2,3 不可能到达的合法状态： (0,0,1),(0,3,0),(3,0,1),(3,3,0) 可能到达的合法状态共16个 3.2.2状态空间搜索——2.问题的状态空间表示法 (2)状态空间表示