人工智能第3章用搜索法对问题求解.ppt

人工智能　━━　一种现代方法 人工智能━一种现代方法 第三章 用搜索法对问题求解 问题求解智能体 一个问题可形式化的定义为四个组成部分 初始状态和它的后续函数隐含地定义了问题的状态空间 问题形式化 问题实例 真空吸尘器世界 状态：8个可能的状态 后续函数：用来产生通过左移、右移、吸尘能够到达的合法状态 目标测试：用来检测是否所有的方格都干净 路径耗散：假设每一步的耗散值为1 皇后问题 寻径问题 状态：位置和当前时间 初始状态 后续函数： 乘坐的航班、飞行时间、候机时间?状态 目标测试：是否在预定时间到达目的地 路径耗散：等待时间、飞行时间、座位的质量、费用… 旅行商问题： 状态：当前位置和已经访问过的城市集合 目标测试：是否在目的地且已访问过所有城市 搜索树 由初始状态和后续函数产生 搜索树 搜索树 节点--包含5个元素的数据结构： 状态：状态空间中和该节点相对应的状态 父节点：搜索树中产生该节点的父节点 行动；由父节点产生该节点所用的行动 路径耗散：从初始状态到达该节点的路径耗散，路径由父指针表示 路径长度：从初始状态到达该节点所经路径上的步数 节点深度：根节点深度=0 其他节点深度=父节点深度+1 边缘：已经出现但还未被扩展的节点集合。 边缘的每个元素都是叶节点，即没有后续的节点 搜素策略就是从边缘集合中选择下一个被扩展的节点的函数 搜索策略 回溯 递归： 一个递归的例子 int ListLength( LIST *pList) { if (pList == NULL) return 0; else return ListLength( pList-next) +1; } pList 1 2 3 NULL 度量问题求解的性能 完备性：当问题有解时，算法是否能保证找到一个解 最优性：找到的解是最优解 时间复杂度：找到一个解需要花多长时间 搜索中产生的节点数 空间复杂度：在执行搜索过程中需要多少内存 在内存中存储的最大节点数 广度优先搜索 首先扩展根节点，接着扩展根节点的所有后续，然后在扩展它们的后续，依次类推。在下一层的任何节点扩展之前搜索树上本层深度的所有节点都已经扩展过。 广度优先搜索 首先扩展根节点，接着扩展根节点的所有后续，然后在扩展它们的后续，依次类推。在下一层的任何节点扩展之前搜索树上本层深度的所有节点都已经扩展过。 广度优先搜索 首先扩展根节点，接着扩展根节点的所有后续，然后在扩展它们的后续，依次类推。在下一层的任何节点扩展之前搜索树上本层深度的所有节点都已经扩展过。 广度优先搜索 首先扩展根节点，接着扩展根节点的所有后续，然后在扩展它们的后续，依次类推。在下一层的任何节点扩展之前搜索树上本层深度的所有节点都已经扩展过。 广度优先搜索 首先扩展根节点，接着扩展根节点的所有后续，然后在扩展它们的后续，依次类推。在下一层的任何节点扩展之前搜索树上本层深度的所有节点都已经扩展过。 广度优先搜索 广度优先搜索 代价一致搜索 深度优先搜索 扩展搜索树的当前边缘中最深的节点 深度优先搜索 深度优先搜索 深度优先搜索 深度优先搜索 深度优先搜索 深度优先搜索 深度优先搜索 深度优先搜索 深度优先搜索 深度优先搜索 深度优先搜索 深度优先搜索 深度优先搜索 内存需求少： 一条从根节点到叶节点的路径 该路径上每个节点的所有未被扩展的兄弟节点 对分支因子为b，最大深度为m的状态空间，仅需存储bm+1个节点 不是完备的 不是最优的 深度有限搜索 深度为l的节点被当做没有后续的节点对待。 迭代深入深度优先搜索 不断增大深度限制，直到找到目标节点。 迭代深入深度优先搜索 迭代深入深度优先搜索 迭代深入深度优先搜索 迭代深入深度优先搜索 迭代深入深度优先搜索 结合了深度优先和广度有限的优点： 空间需求和深度优先一样小 完备的 当路径耗散是节点深度的非递减函数时是最优的 当搜索空间很大且解的深度未知，迭代深入搜索是首先。 代价一致搜索的迭代搜索 不断增加的路径耗散限制 双向搜索 运行两个同时的搜索： 向前搜索—从初始状态向前搜索 向后搜索---从目标状态向后搜索 扩展节点前检查该节点是否在另一棵树的边缘。 双向搜索 空间需求大 当两个搜索都是广度优先搜索时是完备的和最优的 图搜索 保留已搜索过的所有路径 广度优先搜索 重排九宫问题 深度优先搜索 重排九宫问题 有界深度优先搜索 重排九宫问题 迭代深入深度优先搜索 不断增大深度限制，直到找到目标节点。 和树搜索区别：可在原来基础上（保留的结果）搜索 代价一致