人工智能搜索策略.pptVIP

搜 索 策 略 ;在二十世纪五十年代人工智能概念的提出至今，人工智能界已对搜索技术开展了大量研究，取得了丰硕的成果。 搜索是人工智能的一个基本问题，是推理不可分割的一部分。一个问题的求解过程其实就是搜索过程，所以搜索实际上就是求解问题的一种方法。 Nilsson把搜索列为人工智能研究中的四个核心问题之一。 本部分将讨论目标状态和最优路径的确定，以及如何从初始状态经过变换得到目标状态等，将在各节分别讨论一些通用的搜索策略，以及状态空间搜索和树搜索策略。最后简要介绍智能搜索算法的效率和约束满足问题。 ;3.1 基本概念（Basic Conception）; 根据问题的实际情况，按照一定的策略或规则，从知识库中寻找可利用的知识，从而构造出一条解决问题的推理路线的过程，就称为搜索。 1.搜索包含两层含义 找到从初始事实到问题最终答案的一条推理路线; 找到的这条路线是时间和空 间复杂度最小的求解路线。 举一个具体的例子 实现一个能够中国象棋下棋的程序。;2.搜索的种类(The type of search) 搜索分为盲目搜索和启发式搜索两种 盲目搜索又称无信息搜索，也就是说，在搜索过程中，只按预先规定的搜索控制策略进行搜索，而没有任何中间信息来改变这些控制策略。这就使得这样的搜索带有盲目性，效率不高。盲目搜索只用于解决比较简单的问题。 启发式搜索又称有信息搜索，它是指在搜索求解过程中，根据问题本身的特性或搜索过程中产生的一些信息来不断地改变或调整搜索的方向，使搜索朝着最有希望的方向前进，加速问题的求解，并找到最优解。 ;问题求解系统可在两种基本情况下运用启发式策略： 一个问题由于在问题陈述和数据获取方面固有的模糊性，可能会使它没有一个确定的解，即它是一个模糊系统。 虽然一个问题可能有确定解，但是求解过程中的搜索代价将令人难以接受，在很多问题中，其状态空间特别大，搜索中生成扩展的状态数会随着搜索的深度呈指数级增长。在这种情况下，穷尽式搜索策略如宽度优先和深度优先搜索，在一个给定的较实际的时空内很可能得不到最终的解，而启发式策略则通过引导搜索向最有希望的方向进行来降低搜索复杂度。通过仔细考虑，删除某些状态及其后裔，启发式策略可以消除组合爆炸，并得到令人能接受的解。;3.1.1 什么是搜索 (What’s search);3.1.2 适合于搜索的知识表示方法 ;状态空间搜索策略分类： 盲目搜索 按事先规定好的路线进行搜索，不使用与问题有关的启发性信息；适用于其状态空间图是树状结构的一类问题。它包括广度优先搜索、深度优先搜索、有界深度优先搜索、代价树的广度优先搜索以及代价树的深度优先搜索。 启发式搜索——搜索过程中使用与问题有关的启发性信息，并以启发性信息指导搜索过程；可以高效地求解结构复杂的问题。它包括局部择优搜索、全局择优搜索和A*算法。;3.2.1 状态空间的一般搜索过程;3.2.1 状态空间的一般搜索过程;3.状态空间的搜索过程需要的两个数据结构 OPEN表：用于存放刚生成的节点，这些节点也是待扩展的，所以OPEN表也称为未扩展节点表； CLOSED表：CLOSED表则是用来存放将要扩展或已经扩展的节点，所以它被称为已扩展节点表。 4.状态空间的一般搜索过程描述如下: 把初始节点S0放入OPEN表，并建立目前只包含S0的图，记为G； 检查OPEN表是否为空，若为空则问题无解，退出。 把 OPEN 表的第一个节点取出并放入 CLOSED 表，并记该节点为节点 n； 检查节点 n 是否是目标节点，如果是目标节点，则说明得到了问题的解，过程成功退出，并返回从节点 n 逆向回溯到S0得出的路径；;扩展节点n，生成一组子节点。把其中不是节点n先辈的那些子节点记做集合M，并把这些子节点作为节点n的子节点加入G中。 针对M中子节点的不同情况，分别进行如下处理： 对于那些未曾在G 图中出现过的 M 成员设置一个指向父节点（即节点n）的指针，并把它们加入 OPEN 表 对于那些先前已在G图中出现过的M成员，确定是否需要修改它指向父节点的指针。 对于那些先前已在G中出现并且已经扩展了的M成员，确定是否需要修改其后继节点指向父节点的指针。 按某种搜索策略对OPEN表中的节点进行排序。 转第2）步。;S9扩展之后生成的子节点有S1,S6,S12,S13。但是，S1是S9的祖先节点，所以S9的子集M={S6,S12,S13} 其中， S13满足第1种情况； S12满第2种情况； S6满足第3种情况。;下面对上述过程作一些说明： 1) 上述过程是状态空间的一般搜索过程，具有通用性，在此之后讨论的各种搜索策略都可看作是它的一个特例。各种搜索策略的主要区别是对 OPEN 表中节