C-盲目搜索-人工智能(AI).ppt

盲目（无信息）搜索Blind (Uninformed) Search （系统化的对可能的选择进行探索）RN: Chap. 3, Sect. 3.3–5 Simple Problem-Solving-Agent Agent Algorithm s0 ? sense/read initial state GOAL? ? select/read goal test Succ ? read successor function solution ? search(s0, GOAL?, Succ) perform(solution) Example: route-finding problem Example: route-finding problem Single-state problem formulation Tree search example 搜索树Search Tree 搜索节点?状态 Search Nodes ? States Search Nodes ? States 一个节点的数据结构Data Structure of a Node 节点扩展Node expansion 搜索树的一个节点N的扩展包括： 1） 评估状态（N）的后继函数 2）根据后继函数返回值，每一个状态生成一个子节点 节点生成? 节点扩展 node generation ? node expansion 搜索策略Search Strategy 边缘(fringe) 指所有还未扩展的节点 边缘用一个优先队列实现 INSERT(node,FRINGE) REMOVE(FRINGE) 队列FRINGE中节点的排列顺序决定了搜索策略 搜索算法Search Algorithm #1 SEARCH#1 If GOAL?(initial-state) then return initial-state INSERT(initial-node,FRINGE) Repeat: If empty(FRINGE) then return failure N ? REMOVE(FRINGE) s ? STATE(N) For every state s’ in SUCCESSORS(s) Create a new node N’ as a child of N If GOAL?(s’) then return path or goal state INSERT(N’,FRINGE) 搜索算法性能评价Performance Measures 完备性 Completeness一个搜索问题只要有解，搜索算法就一定能找到解的路径，则称该搜索算法是完备的 [那么当问题无解的时候，将会怎样呢?] 最优性 Optimality只要问题有解，搜索算法就一定能找到路径耗散最小的解，则称该搜索算法是最优的 复杂度 Complexity复杂度是评价算法所需要的时间及占用的内存空间大小 盲目 vs. 启发式策略Blind vs. Heuristic Strategies 盲目或(无信息) 策略没有利用状态的有关描述信息来确定FRINGE队列的排序，而只根据搜索树中节点的位置来进行搜索 启发式或(有信息) 策略利用状态的有关描述信息来确定FRINGE队列的排序（最有“希望”的节点被放在FRINGE队列的开始） Example Example 说明 一些搜索问题，比如(n2-1)-puzzle ，是NP-hard问题 这类问题的计算量至少为指数层次 ，没有人能够将这类问题的计算量降低到方次层次 只能是针对具体的问题实例尽可能高效的去求得问题的解答? 这就是搜索策略的目标 盲目策略Blind Strategies 广度优先 Breadth-first 双向搜索 Bidirectional 深度优先 Depth-first 深度限制 Depth-limited 迭代深入 Iterative deepening 代价一致 Uniform-Cost(广度优先的一种变化) 广度优先策略Breadth-First Strategy 新生成的节点放到FRING E队列的最后 广度优先策略Breadth-First Strategy 新生成的节点放到FRING E队列的最后 广度优先策略Breadth-First Strategy 新生成的节点放到FRING E队列的最后 广度优先策略Breadth-First Strategy 新生成的节点放到FRING E队列的最后 一些重要参数Important Parameters 1）所有状态中的最大后继函数个数? 搜索树的分支因子 b branching factor b of the searc