第5章搜索求解策略(AI应用3版).ppt

* 5.5 与/或图搜索策略 允许的操作集： 可能的状态： * 5.5 与/或图搜索策略 * THE END Artificial Intelligence Principles and Applications * * * * * * * * * * 在深度优先搜索中，当搜索到某一个状态时，它所有的子状态以及子状态的后裔状态都必须先于该状态的兄弟状态被搜索。 为了保证找到解，应选择合适的深度限制值，或采取不断加大深度限制值的办法，反复搜索，直到找到解。 5.3.3 深度优先搜索策略 * 深度优先搜索并不能保证第一次搜索到的某个状态时的路径是到这个状态的最短路径。 对任何状态而言，以后的搜索有可能找到另一条通向它的路径。如果路径的长度对解题很关键的话，当算法多次搜索到同一个状态时，它应该保留最短路径。 5.3.3 深度优先搜索策略 * 例 卒子穿阵问题，要求一卒子从顶部通过下图所示的阵列到达底部。卒子行进中不可进入到代表敌兵驻守的区域（标注1），并不准后退。假定深度限制值为5。 5.3.3 深度优先搜索策略 阵列图 * 5.3.3 深度优先搜索策略 open表：S17、S18 closed表：S0～S16 0 S 1 S ) 1 , 1 ( 2 S ) 2 , 1 ( 3 S ) 2 , 2 ( 4 S ) 1 , 2 ( 5 S ) 1 , 3 ( 6 S ) 2 , 3 ( 7 S ) 3 , 2 ( 8 S ) 3 , 1 ( 9 S ) 2 , 1 ( 14 S ) 4 , 1 ( 10 S ) 2 , 2 ( 11 S ) 1 , 2 ( 12 S ) 1 , 3 ( 13 S ) 3 , 2 ( 15 S ) 4 , 2 ( 16 S ) 4 , 3 ( 17 S ) 4 , 4 ( 18 S ) 4 , 1 ( 死 死 死 死 深度限制 解 0 S 1 S ) 1 , 1 ( 2 S ) 2 , 1 ( 3 S ) 2 , 2 ( 4 S ) 1 , 2 ( 5 S ) 1 , 3 ( 6 S ) 2 , 3 ( 7 S ) 3 , 2 ( 8 S ) 3 , 1 ( 9 S ) 2 , 1 ( 14 S ) 4 , 1 ( 10 S ) 2 , 2 ( 11 S ) 1 , 2 ( 12 S ) 1 , 3 ( 13 S ) 3 , 2 ( 15 S ) 4 , 2 ( 16 S ) 4 , 3 ( 17 S ) 4 , 4 ( 18 S ) 4 , 1 ( 死 死 死 死 深度限制 解 卒子穿阵的深度优先搜索树 * 第5章 搜索求解策略 5.1 搜索的概念 5.2 状态空间知识表示方法 5.3 盲目的图搜索策略 5.4 启发式图搜索策略 5.5 与/或图搜索策略 * 5.4 启发式图搜索策略 5.4.1 启发式策略 5.4.2 启发信息和估价函数 5.4.3 A搜索算法 5.4.4 A*搜索算法及其特性分析 * 5.4.1 启发式策略 “启发”（heuristic）：关于发现和发明操作算子及搜索方法的研究。 在状态空间搜索中，启发式被定义成一系列操作算子，并能从状态空间中选择最有希望到达问题解的路径。 启发式策略：利用与问题有关的启发信息进行搜索。 * 5.4.1 启发式策略 运用启发式策略的两种基本情况： （1）一个问题由于在问题陈述和数据获取方面固有 的模糊性，可能会使它没有一个确定的解。 （2）虽然一个问题可能有确定解，但是其状态空间 特别大，搜索中生成扩展的状态数会随着搜索 的深度呈指数级增长。 * 例 一字棋。在九宫棋盘上，从空棋盘开始，双方轮流在棋盘上摆各自的棋子 ? 或 ? （每次一枚），谁先取得三子一线（一行、一列或一条对角线）的结果就取胜。 5.4.1 启发式策略 ? 和 ? 能够在棋盘中摆成的各种不同的棋局就是问题空间中的不同状态。 9个位置上摆放{空， ? ， ?}有 39 种棋局。 可能的走法 ： 。 * 5.4.1 启发式策略 启发式策略的运用 ? ? ? * 5.4.1 启发式策略 启发式搜索下缩减的状态空间 * 5.4.2 启发信息和估价函数 在具体求解中，能够利用与该问题有关的信息来简化搜索过程，称此类信息为启发信息。 启发式搜索：利用启发信息的搜索过程。 * 5.4.2 启发信息和估价函数 求解问题中能利用的大多是非完备的启发信息： （1）求解问题系统不可能知道与实际问题有关的全部信息，因而无法知道该问题的全部状态空间，也不可能用一套算法来