人工智能5 搜索策略 人工智能课程 中国海洋大学.ppt

? 另外，可能存在多条线路都可实现对问题的求解，这就又出现 按哪一条线路进行求解以获得较高的运行效率的问题。 像这样根据问题的实际情况不断寻找可利用的知识，从而构造一条代价较少的推理路线，使问题得到圆满解决的过程称为搜索。 2. 搜索分类 搜索分为盲目搜索和启发式搜索。 盲目搜索——按预定的控制策略进行搜索，在搜索过程中获得的中间信 息不用来改进控制策略。这种搜索具有盲目性，效率不高， 不便于复杂问题的求解。 启发式搜索——在搜索中加入了与问题有关的启发性信息，用以指导搜 索朝着最有希望的方向前进，加速问题的求解过程并 找到最优解。 5.2 求解问题的表示方法 用搜索策略求解问题，首先要解决的问题也是：用什么样的形式把问题表示出来. 一般来说，有两种方法： 状态空间表示法； 与/或树表示法； 1. 状态空间表示法 状态空间表示法是用来表示问题及其搜索过程的一种方法，它是人工智能中最 基本的形式化方法。 状态空间表示法是用“状态”和“算符”来表示问题的一种方法。其中， “状态”——用以描述问题求解过程中不同时刻的状况； “算符”——表示对状态的操作，算符的每一次使用就使问题由一种状态变换为 另一种状态; 解—— 当到达目标状态时，由初始状态到目标状态所用算符的序列就是问题 的一个解。 Ⅰ. 状态 状态是描述问题求解过程中任一时刻状况的数据结构，一般用一组变量的有序组合表示： SK＝(SK0, SK1, …) 当给每一个分量以确定的值时，就得到了一个具体的状态。 Ⅱ. 算符 引起状态中某些分量发生变化，从而使问题由一个状态变为另一个状态的操作称为算符。在产生式系统中，每一条产生式规则就是一个算符。 Ⅲ. 状态空间 由问题的全部状态及一切可用算符所构成的集合称为问题的状态空间，—般用—个三元组表示： (S，F，G) 其中, S是问题的所有初始状态构成的集合； F是算符的集合；G是目标状态的集合。 状态空间的图示形式称为状态空间图。其中，节点表示状态；有向边(弧)表示算符。 (3) 希望树 有序搜索的目的是求出最优解树，即代价最小的解树。这就要求搜索过程中任一时刻求 出的部分解树其代价都应是最小的。为此，每次选择欲扩展的节点时都应挑选有希望成为 最优解树一部分的节点进行扩展。由于这些节点及其先辈节点(包括初始节点S0)所构成的 与/或树有可能成为最优解树的一部分，因此称它为“希望树”。 在搜索过程中，随着新节点的不断生成，节点的代价值是在不断变化的，因此希望树也 是在不断变化的。 希望树T的定义： Ⅰ.初始节点S0在希望树T中； Ⅱ.如果节点x在希望树T中，则一定有： ①如果x是具有子节点y1,y2,…,yn的“或”节点，则具有 min{c(x,yi)+ h(yi)} 1≤i ≤n 值的那个子节点yi也应在T中。 ② 如果x是“与”节点，则它的全部子节点都应在T中。 (4) 与/或树有序搜索过程 与/或树的有序搜索是一个不断选择、修正希望树的过程。如果问题有解，则经过有序搜 索将找到最优解树。 例：右图是五城市间的交通路线图，A城市是出发地， E城市是目的地，两城市间的交通费用(代价)如 图中数字所示。求从A到E的最小费用交通路线。 先将交通图转换为代价树，转换的方法是：