学习式搜索算法SCDF.pdf

维普资讯 第4害第3如 模式识别与人工智能 1g91年9月 学习式搜索算法SCDF 张 伟 俞瑞钊 (浙江大学 人工智能研究所，杭州 ) 摘 要 本文将机器学习的方法引入到启发式搜索当中，开展一种新的学习式擅素的研究。在学习式搜 索申。解题 的途径之一是将搜索刻画为对当前路径的模式识别的过程。描述了算法SCDF，该算法 由三个部分组成；(1)对路径进行特征抽取，(2)对路径集的类条件概率密度作出估计J (3)实 施有序贯分类判决的深度优先搜索。证明了算法SCDF的平均复杂度是解路径长度的线性函数。 一 ． 引 言 在人工智能的搜索研究审，可采纳的启发式搜索占有最重要的位置。最近的一项研究表 明，可采纳的搜索算法最坏复杂度的下界是_o(M )，t】这意味着，不存在一个可采 纳 搜 索算法目B够永远避开 指数爆炸”。近年来，已有许多研究者放弃了搜索的可采纳性而开展 了概率搜索的研究，韭且取得了一定的进展 ]。 但是，以往所有的启发式搜索策略都是一次性的搜索，即，它们假设搜索算法在每次解 题时，面临的都是陌生而庞大的问题状态空间，对同一个问题状态空间的多次搜索被视为技 此独立的过程，前次解题对后面的解题不产生任何影响。用此搜索策略有不尽合理之处。一 个人工智能的解题策略，实际上是一种多次性的解题策略，对同一类型的问题，往 往 是 多 次，反复地求解，而且解题速度越来越快。当这种解题策略被描述为搜索时，该搜索应是一 种多次性的搜索，也即，这种搜索是有充分多的机会来获得有关问题状态空间的经 验 信 息 的。我们称搜索过程受以前搜索经验影响的搜索方法为 。学习式搜索” ¨ ，它不仅比一次 性搜索更接近人类的智能行为，而且由于使用了可靠的启发经验信息也为提高搜索效率带来 新的希望。 本文将就学习式搜索的分枝之一 ·= 模式分类式的学习式搜索——介绍这种搜索的基本 概念和方法。 二．模式分类式的学习搜索 在有向图G中，从任意一节点出发的所有无环路径均可分为=类：∞和∞。，其中∞表示 。可通迭 目标节点的路径类”，凡是从该节点出发，经过有限步的伸展能抵这 目标节点的路 径均属∞-类，而∞。表示 不“可通这 目标节点的路径类”。当搜索放弃了可采纳性，它的任务 就成为去寻找一个∞t类路径。模式分类式的学习搜索是非可采纳的搜索之一，它在搜索中能 够判断当前路径的类属 t／∞。，从而能够决定是继续扩展还是予以剪枝。在模式分类学习搜 ·本题目由国家自然科学基金资助。本文于1990年10月20日收到。 维普资讯 §期 张 伟 俞瑞钊；学匀式搜索算法SCDF ii 索中， 。学习”主要体现为算法根据 已搜索过的路径样本对两类路径的分布概率密度函数的 估计过程 。当学-U的次数充分多，即解决同类问题的次数充分多后，模式分类学习搜索的学 习将渐趋完善，这种 “完善 就是所构造的类概率密度函数 (PathI∞i)， =l，0，已 充分逼近实际密度函数P(Pathi∞．)。在以下的章节中，我们主要讨论使用序贯分类的学 习式搜索。 三、序贯分类式的深度优先搜索算法SCDF 3．1 算法SCDF的描述 一 般的深度优先搜索在其延伸当前路径的过程中只能判断它 。是”解路径，而不能判断 Ⅱ．r三一七Ⅱ．J1J 它 环 是”解路径 (除非它的长度已经达到深度闽值N)。如果我们将扩展路径过程看成对