人工智能第三章.pptVIP

* * * 算法A的启发能力 算法A的启发能力受如下三个重要因素的影响 （1）算法A所找到的解路径的费用。 （2）算法A在寻找这条解路径的过程中所需要扩展的节点数。 （3）计算启发函数所需要的计算量。 * * h(n) ≤ h*(n) 保证了A*的可采纳性，可采纳性可能意味着算法需要扩展更多的节点，使总的费用提高。 有时，牺牲可采纳性可以提高算法的启发能力。 例：h(n)=P(n)+3S(n) P(n)：每个数码离“家”距离的和 S(n)：对n的记分 算法A的启发能力 * * 有时，把估价函数写成：f=g+?h的形式 ?很小时，强调宽度优先 ?很大时，强调启发分量 一般?与深度成反比。 算法A的启发能力 * * 正向搜索：从初始节点到目标的搜索 反向搜索：从目标节点到初始节点的搜索 双向搜索：正向和反向搜索的结合 搜索需要产生的节点数 宽度优先搜索，使用双向搜索要优越许多 对于启发式搜索，评价单向搜索和双向搜索的优劣很复杂，使用不当可能是单向搜索量的二倍。 3.9 有关算法 * * 分阶段搜索：为了完成搜索过程，可对搜索图进行修剪，释放出一部分存储空间。 把OPEN表具有最小f值的一些节点打上标记，记住这些结点和通向这些点的最佳路径，删去搜索图其余部分。 然后回复节点和路径，重新开始搜索。 分阶段搜索并不能保证找到一条解路径。 3.9 有关算法 * * 搜索方法的启发能力主要依赖于给定问题的具体因素。 判断启发能力的强弱主要是凭经验而不是凭计算． 某些实现上的度量是可计算的。这些度量不能完全决定一个算法的启发能力，在比较各种搜索算法的优劣时是很有用的． 3.10 启发能力的度量 * * 定义 渗透度是对一个搜索算法的搜索性能的度量，表示搜索集中指向某个目标的程度，而不是在无关的方向上徘徊。 定义为： P = L / T 其中，L是算法发现的解路径的长度，T是算法在寻找这条解路径期间所产生的节点数（不包括初始节点，包括目标节点） 启发能力的度量……渗透度 * * 例 图3.9的八数码问题，L=18，T=43， 渗透度：P = L / T ＝ 18 / 43 = 0.42 若一个算法每次选取的节点都在解路径上，则L＝ T ，P＝1； 一般搜索的渗透度P1 ； 无信息的搜索P1； 渗透度大，所产生的搜索树向纵深发展； 渗透度小，所产生的搜索树沿水平方向发展。 启发能力的度量……渗透度 * * 搜索算法的渗透度取决于问题的难度和算法的效率。 当最佳解路短时，可能有较高的渗透度； 当最佳解路长时，算法产生节点的数目将以更快的速度增加，可能有较低的渗透度。 渗透度有时并不能很好地反映搜索向目标方向发展的集中程度。 启发能力的度量……渗透度 * * 启发能力的度量……有效分枝系数 有效分技系数就是这样一棵树的平均分枝数． 设搜索树的深度是L，算法所产生的总节点数为T，有效分枝系数是B，则有 B＋B2十…＋BL=T 或 B（BL-1）/（B-1）=T * * 启发能力的度量……有效分枝系数 图3.12给出了不同L值B与T的关系 当L=18，T=43时, 搜索树的有效分校系数B大约为: 1.08． * * 启发能力的度量……有效分枝系数 有效分枝系数与路径的长度无关，可以利用这一事实预测不同深度的搜索所需产生的节点个数。例 若用估价函数f=g+p+3s去解决一个复杂的八数码问题． 设解路径长度L=30， 有效分枝系数 B=1.08． 则由图3.12知，所需产生节点的个数大约为l20 * * 启发能力的度量……有效分枝系数 图3.13给出了在不同的B值下渗透度随路径长度的变化曲线． 由图中可以看出，同样的有效分枝系数，渗透度随路径的深度下降． * * 小结 回溯算法BACKTRACK 图搜索算法GRAPHSEARCH 启发式图搜索过程 A*算法的可采纳性 * * 小结 A*算法的比较 单调限制及性质 算法A的启发能力 启发能力的度量 *