第11章其他搜索公式及其应用讲解.ppt

第11章 其他搜索公式及其应用 ;赋值问题 ; 我们能通过图搜索方法解决约束满足问题。一个目标节点是由满足约束的数据结构(或状态描述)标识的节点。算子将一个数据结构改变为另一个数据结构。开始节点是一些初始的数据结构。 ;赋值问题 ;构造性方法 ;构造性方法 ;构造性方法 ;构造性方法 ;构造性方法 ;构造性方法 ;构造性方法 ;启发式修补 ;启发式修补 ;函数优化 ;爬山算法； 1)把当前节点n设为随机选择的节点n0； 2)产生n的后继（用给这个问题定义的算子），选择后继nb，它的值v(nb)＝vb是这些后继中最大值。(任意断开联系)； 3)如果vb＜v(n)，将n作为到目前发现的最好节点，并退出； 4)否则，将n设为nb，转到第2步。 ;函数优化 ; 在搜索空间中，另一个困难由“山脊”(或它的反义词“山沟”)引起。在这种情况下，任何存在的移动都会把我们带到一个更低的节点，但是顺序执行的两次移动将会增加高度。每一个可能的移动都使我们离开山脊到达一个更低的高度，但是两个移动序列会使我们移动到一个更高的山脊。山脊问题有时可通过将两个或更多的移动组合成一个“宏移动”来避免，或者通过一个有限数量的“向前”搜索来避免。 ; 一个叫做模拟退火(simulated annealing)的过程也有助于解决极端的局部问题。这个过程有多种版本。在一种版本中，根据可用移动的概率分布选择移动，分布促成向较低高度(下山)的节点移动。 用一个几乎可以忽略偏差的分布开始这个过程，使它向着这些偏好的节点移动，逐步增加偏差，直到最后移动可能以极大的概率向着一个较低高度的节点进行。最终的结果是：在过程的开始，我们在这个地形上随机地移动。最终，如过程保证的话，我们会下降到一个山谷之中。如果这个山谷不是非常深，也不是非常宽，不久一个后继的随机移动将把我们从这个山谷中推出。不可能从一个宽阔的(因此可能很深)山谷移出，在这个过程结束时(没有任何随机移动)，我们下降到它的最深点。这个过程因类似于冶金中的退火过程而得名，在冶金过程中一个材料的温度被逐渐降低以允许它的晶体结构达到一个最小能量状态。在模拟退火过程中???在概率分布中控制宽度的参数常叫做温度。