华中科技大学人工智能第三章一般搜索原理1讲述.ppt

第三章 一般搜索原理 搜索技术 搜索是人工智能中进行问题求解的一大类方法 根据是否使用启发式信息可分为 ： 1，盲目搜索； 2，启发式搜索； 根据问题的表示方式分为： 1，状态空间搜索； 2，与／或树搜索。 例如： 用状态空间法来求解问题时，采用的是状态空间搜索； 用问题归约方法来求解问题时，采用的是与／或树搜索。 搜索的特点 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和在该状态空间中对所求解问题状态的搜索。 由于一个问题的整个空间可能会非常的大，在搜索之前生成整个空间会占用太大的存储空间。为此，状态空间一般是逐渐扩展的 “目标”状态是在每次扩展的时候进行搜索的。 3.2 盲目搜索 盲目搜索 盲目搜索是按预定的控制策赂进行搜索，没有任何关于问题本身的信息，在搜索过程中获得的中间信息并不改变控制策略。由于搜索总是按预先规定的路线进行，没有考虑到问题本身的特性，因此这种搜索具有盲目性，效率不高，不便于复杂问题的求解。 盲目搜索分类 搜索策略可分为三大类 不可撤回方式、回朔方式、图搜索方式 不可撤回方式：每一次搜索时，利用局部知识根据最优评价，选出下一状态，选定后不能撤回，只能继续 回朔方式：在搜索过程中，有时会发现所选的路径不适合找到目标，这时允许退回去另选一条路径。 图搜索方式： 将所有应用过的操作和它们产生的状态描述都以图的形式记录下来。由于当前可继续往下搜索的状态不只一个，因此可以从其中任一个状态往下搜索。 图搜索方式与回溯方式的不同之处在于，回溯方式不记亿那些试探失败的操作和它们产生的状态描述，只记忆当前正在搜索的路径。图搜索方式则保存所有试探过的路径，因而可以在任何一条路径上继续搜索 图搜索方式与回溯方式的不同 回溯方式不记忆那些试探失败的操作和它们产生的状态描述，只记忆当前正在搜索的路径。 图搜索方式则保存所有试探过的路径，因而可以在任何一条路径上继续搜索 不可撤回搜索策略 不可撤回方式的控制策略是，选择一条可应用的操作作用于当前状态，不论后果如何都接着做下去。这个方法类似于高等数学中求函数极值的爬山法。 在爬山法中，我们从任一点出发，在该点的最大梯度方向前进一步，得到一个新的点，再在新点的最大梯度方向上前进一步，一直到梯度为0为止，这个点就是函数的极大值点。如果函数只有一个极大值点．则这个点就是该函数的最大值点。 不可撤回搜索的实现 不可撤回搜索的实现是将状态描述定义成一个实数值的爬山函数。 控制策略就利用这个爬山函数来选择一个可应用的操作，施行该操作的结果应使爬山函数的值得到最大限度的增加。 不可撤回搜索举例(一) 选择八数码问题 我们选取“不在位”的数字个数的负值作为爬山函数 八数码游戏的操作可描述为下面的4条产生式规则 (1) if空格不在最上一行then空格上移 (2) if空格不在最下一行then生格下移 (3) if空格不在最左一列then空格左移 (4) if空格不在最右一列then空格有移 不可撤回搜索举例(二) 从初始状态出发，应用第一条规则，空格上移可获得爬山函数的最大增加、因此控 制策略选择第一条规则作为当前的操作。 在没有操作能够增加爬山函数的值时．可任选一个不减小函数值的操作，如果不存在这样的操作，则过程停止。 不可撤回搜索举例(三) 对于上例，采用不可撤回策略可以很快得到问题的解。 但一般来讲，如果爬山函数有多个局部极大值存在，该策略可能会引导到局部极大值点，而达不到目标状态。 例如当八数码问题的初始状态和目标状态分别如下时，任意一个可应用的操作都会降低爬山函数的值，因此，得不到目标： 回溯搜索策略 回溯策略是一种试探性方式。在选择一个操作时要建立一个回溯点。 在搜索过程中，如果遇到了困难，则要返回到最近的一个回溯点，换一个操作继续进行搜索。 回溯搜索策略举例 例：皇后问题 回溯搜索算法 回溯搜索可以用递归的方法来实现 下面的算法是一个用递归实现的算法： BACKTRACK（DATA） DATA：当前状态。 返回值：从当前状态到目标状态的路径 （以规则表的形式表示） 或FAIL。 回溯搜索算法（一） BACKTRACK(DATA) 1, IF TERM(DATA) RETURN NIL; 2, IF DEADEND(DATA) RETURN FAIL; 3, RULES:=APPRULES(DATA); 回溯搜索算法（二） 4, LOOP: IF NULL(RULES) RETURN FAIL; 5, R:=FIRST(RULES); 6, RULES