ch5 约束满足问题 人工智能课程 北大计算机研究所.ppt

第五章、约束满足问题 Ch34：通过搜索状态空间求解问题 把状态看作一个黑盒子，只能由问题特定的例行程序来访问—后继函数、启发函数和目标测试。 约束满足问题：利用状态的结构以及通用的、而不是问题特定的启发式来定义搜索算法。 第五章、约束满足问题 约束满足问题 CSP由一个变量集合和一个约束集合组成 问题的一个状态是由对一些或全部变量的一个赋值定义的 完全赋值：每个变量都参与的赋值 问题的解是满足所有约束的完全赋值，或更进一步，使目标函数最大化。 例子：澳大利亚地图的染色 对每个区域染上红、绿或蓝色，使得没有相邻的区域颜色相同。 将问题形式化为CSP CSP问题的增量形式化 初始状态 后继函数：给任何未赋值的变量赋值（满足约束） 目标测试 路径耗散 CSP（续） 经常用深度优先搜索算法求解 变量 离散或连续 值域：有限或无限 约束 线性或非线性 一元或多元：通过引入辅助变量，转为二元约束。 绝对vs偏好 第五章、约束满足问题 CSP问题的回溯搜索 一次为一个变量选择值，当没合法值可以再赋给该变量时就回溯。 一个简单的回溯算法 讨论 一般的回溯是无信息算法，不期望它对大型问题有效 (见课本图5.5) 不用领域特定的知识而用通用方法解决以下问题: 下步该给哪个变量赋值，按什么顺序来尝试它的值？ 当前的变量赋值对其它未赋值的变量意味着什么？ 当一条路径失败时，在后面的路径中能避免同样的失