AI 06搜索策略.pptVIP

第六章 搜索策略 6.1 基本概念 6.2 状态空间的搜索策略 6.3 与/或树的搜索策略 6.4 搜索的完备性与效率 6.1 基本概念 搜索：根据问题的实际情况不断寻找可利用的知识，从而构造一条代价较少的推理路线，使问题得到圆满解决的过程。 盲目搜索：是按预定的控制策略进行搜索，在搜索的过程中获得的中间信息不用来改进控制策略，搜索具有盲目性，效率不高，不便于复杂问题的求解。 启发式搜索：在搜索中加入了与问题有关的启发式信息，用于指导搜索朝着最有希望的方向前进，加速问题的求解过程并找到最优解。 6.1.2 状态空间表示法 状态空间表示法：是由“状态”和“算符”来表示问题的一种方法。 状态：描述问题求解过程中任一时刻状况的数据结构，一般用一组变量的有序组合表示： Sk=(Sk0,Sk1…) 当每一个分量确定时，就得到一个具体的状态。 算符：引起状态中某些分量发生变化，从而使问题由一个状态变为另一个状态的操作称为算符。 6.1.2 状态空间表示法 状态空间：由问题的全部状态及一切可用算符所构成的集合称为问题的状态空间，一般用一个三元组表示（S,F,G)。 S：初始状态集合。 F：算符集合。 G：目标状态集合。 状态空间的图示形式称为状态空间图，节点表示状态，有向边（弧）表示算符。 例：二阶梵塔问题 设：Sk0:金片A所在的钢针号 Sk1:金片B所在的钢针号 A(i,j):金片A从第i号针移到第j号针 B(i,j):金片B从第i号针移到第j号针 例：二阶梵塔问题 状态集： S0(1,1)，S1(1,2)，S2(1,3) S3(2,1)，S4(2,2)，S5(2,3) S6(3,1)，S7(3,2)，S8(3,3) 算符集： A(1,2)，A(1,3)，A(2,1) A(2,3)，A(3,1)，A(3,2) B(1,2)，B(1,3)，B(2,1) B(2,3)，B(3,1)，B(3,2) 状态空间： S={S0}；G={S4 ，S8}；F 例：二阶梵塔问题 状态空间图： 最优解：A(1,3) ， B(1,2)， A(3,2) 6.1.2 状态空间表示法 解题过程 定义状态描述，定义一组算符。 问题的求解过程是一个不断把算符作用于状态的过程。 算符的一次使用，就使问题由一种状态转变为另一种状态，使用算符最少的解称为最优解。 对任何一个状态，可使用的算符不止一个，生成的后继状态可能有多个，涉及搜索策略。 6.1.3 与/或树表示法 复杂问题直接求解比较困难，需要简化。 分解：复杂问题分解为子问题。 例：P分解成P1,P2,P3三个子问题，只有当这三个子问题都可以解时，问题P才可解。P1,P2,P3之间存在“与”关系，节点P为与节点，用一条弧连接。 6.1.3 与/或树表示法 等价变换：利用同构或同态的等价变换，把复杂问题变换为若干个较容易求解的新问题。若新问题中有一个可求解，则原问题可解。 例：P被等价变换为三个新问题P1,P2,P3 ，任何一个Pi可解，P可解，则P1,P2,P3之间存在或关系，节点P称为或节点。 6.1.3 与/或树表示法 本原问题：不能再分解或变换，而且直接可解的子问题为本原问题。 端节点：在与/或树中，没有子节点的节点称为端节点。 终止节点：本原问题对应的节点称终止节点，终止节点一定是端节点，反之不然。 可解节点：满足下列条件之一 它是一个终止节点。 它是一个“或”节点，且子节点中至少有一个可解节点。 它是一个“与”节点，且子节点全部是可解节点。 6.1.3 与/或树表示法 不可解节点：关于可解节点的三个条件全部不满足的节点称为不可解节点 解树：由可解节点构成，并且由这些可解节点推出初始节点（原始问题）为可解节点的子树称为解树，解树中一定包含初始节点。 例：三阶梵塔问题 初始状态：三片金片都在1号针上 目标状态：三片金片都在3号针上 问题的分解 把金片A及B移到2号针的双金片问题 —分解3个子问题。 把金片C移到3号针的单金片问题。 把金片A及B移到3号针的双金片问题 —分解3个子问题。 设三元组(i,j,k) i金片C针号，j金片B针号，k金片A针号 例：三阶梵塔问题 有七个终止节点，对应七个本原问题，本原问题的解左至右顺序。 6.2 状态空间的搜索策略 广度优先搜索 深度优先搜索 盲目搜索 有界深度优先搜索 搜索策略 代价树的广度优先搜索