人工智能导论_第1章.ppt

第一章 搜索问题 内容： 状态空间的搜索问题。 搜索方式： 盲目搜索 启发式搜索 关键问题： 如何利用知识，尽可能有效地找到问题的解（最佳解）。 搜索问题（续1） 搜索问题（续2） 讨论的问题： 有哪些常用的搜索算法。 问题有解时能否找到解。 找到的解是最佳的吗？ 什么情况下可以找到最佳解？ 求解的效率如何。 1.1 回溯策略 例：皇后问题 回溯搜索算法 OPEN表 CLOSED表 OPEN表用于存放刚生成的节点，CLOSED表用于存放将要扩展或者已经扩展的节点。 一般回溯搜索算法 1. 把初始节点S0放入OPEN表，并建立目前只包含S0的图，记为G; 2. 检查OPEN表是否为空，若为空则问题无解，退出; 3. 把OPEN表的第一个节点取出放入CLOSED表，并记该节点为节点n; 4. 考察节点n是否为目标节点，若是，则求得了问题的解，退出; 5. 扩展节点n，生成一组子节点。把其中不是节点n先辈的那些子节点记作集合M，并把这些子节点作为节点n的子节点加入G中; 6. 针对M中子节点的不同情况，分别进行如下处理： 一般回溯搜索算法（续） 6.1 对于那些未曾在G中出现过的M成员设置一个指向父节点（即节点n）的指针，并把它们放入OPEN表。 6.2 对于那些先前已经在G中出现过的M成员，确定是否需要修改它指向父节点的指针。 6.3 对于那些先前已经在G中出现并且已经扩展了的M成员，确定是否需要修改其后继节点指向父节点的指针。 7. 按某种搜索策略对OPEN表中的节点进行排序。 8. 转第2步。 存在问题及解决办法 解决办法： 对搜索深度加以限制 记录从初始状态到当前状态的路径 一些深入的问题 失败原因分析、多步回溯 一些深入问题（续） 回溯搜索中知识的利用 基本思想(以皇后问题为例)： 尽可能选取划去对角线上位置数最少的。 1.2 图搜索策略 问题的引出 回溯搜索：只保留从初始状态到当前状态的一条路径。 图搜索：保留所有已经搜索过的路径。 一些基本概念 节点深度： 根节点深度=0 其它节点深度=父节点深度+1 一些基本概念（续1） 路径 设一节点序列为(n0, n1,…,nk)，对于i=1,…,k，若节点ni-1具有一个后继节点ni，则该序列称为从n0到nk的路径。 路径的耗散值 一条路径的耗散值等于连接这条路径各节点间所有耗散值的总和。用C(ni, nj)表示从ni到nj的路径的耗散值。 一些基本概念（续1） 扩展一个节点 生成出该节点的所有后继节点，并给出它们之间的耗散值。这一过程称为“扩展一个节点”。 1.3 无信息图搜索过程 深度优先搜索 宽度优先搜索 深度优先搜索 1, 把初始节点S0放入OPEN表; 2, 如果OPEN表为空，则问题无解，退出; 3, 把OPEN表的第一个节点（记为节点n）取出放入CLOSED表; 4, 考察节点n是否为目标节点，若是，则求得了问题的解，退出; 5, 若节点n不可扩展，则转第2步; 6, 扩展节点n，将其子节点放入到OPEN表的首部，并为其配置指向父节点的指针，然后转第2步; 有界深度优先搜索 1, 把初始节点S0放入OPEN表中，置S0的深度d(S0)=0; 2, 如果OPEN表为空，则问题无解，退出; 3, 把OPEN表的第一个节点（记为节点n）取出放入CLOSED表; 4, 考察节点n是否为目标节点，若是，则求得了问题的解，退出; 5, 如果节点n的深度d(节点n)=dm，则转第2步； 6, 若节点n不可扩展，则转第2步; 7, 扩展节点n，将其子节点放入到OPEN表的首部，并为其配置指向父节点的指针，然后转第2步; 代价树（图） 在上面的讨论中，都没有考虑搜索的代价问题，当时假设图中各边的代价都相同，且都为一个单位量。 边上标有代价（或费用）的树（图）称为代价树（图）。 在代价树中，若用g(x)表示从初始节点S0到节点x的代价，用c(x1,x2)表示从父节点x1到节点x2的代价，则有： g(x2)=g(x1) + c(x1,x2) 代价树的深度优先搜索 1, 把初始节点S0放入OPEN表; 2, 如果OPEN表为空，则问题无解，退出; 3, 把OPEN表的第一个节点（记为节点n）取出放入CLOSED表; 4, 考察节点n是否为目标节点，若是，则求得了问题的解，退出; 5, 若节点n不可扩展，则转第2步; 6, 扩展节点n，将其子节点按边代价从小到大的顺序放到OPEN表的首部，并为各子节点配置指向父节点的指针，然后转第2步; 重排九宫问题 2 8 3 1 4 7 6 5 深度优先搜索的性质 一般不能保证找到最优解 当深度