3知情搜索.ppt

搜索：知情搜索 概要 知情搜索与启发方式 第一种尝试：最佳优先贪婪搜索 A*算法 最佳性 启发函数的条件 完全性 局限性、空间复杂性等议题 扩展 再看搜索 评价函数f(s)：经由s的最廉价路径的估计代价 最佳优先搜索：选择f值最小的结点来优先扩展 算法： 对每个状态s，储存一个值f(s)。 选择f最低的状态做下一步扩展。 插入它的后续态。 如果仔细地选择f，则可以最终找到最低代价序列。 实例： UCS(等代价搜索)：f(A)=g(A)=当前从START到A的最短路径的总代价。 把等待扩展的状态存储在一个优先队列中，以便有效地查询f的最小值。 最佳就是保证找到最小代价序列。 问题：对于任何给定状态离终态有多远，无指导。 解决：设计一个估计某一状态与终态之间距离的函数。 启发函数 对该搜索问题，h是一个启发函数。 h(s)=从s到GOAL的最短路径的代价估值。 仅通过当前问题中的状态及转换，是不能计算出h的。如果可能的话，则已经知道最佳路径了。 h是建立在关于该问题的外部知识上的。因此，称为知情搜索。 问题： h的典型实例？ 怎么使用h？ 什么是h的必要性质？ 启发函数实例 h(s)=到GOAL的直线距离。 从s出发的直线距离比从s’出发的短。因此，s成为最佳路径的机会更大。 启发函数实例 怎样来定义h(s)? 第一种尝试：最佳优先贪婪搜索（GBFS） 最简单的启发函数：总是选择h