串行分枝限界算法- 示例.ppt

《并行算法》 * / Ch17 《并行算法》 * / Ch17 *  Parallel Algorithms  Chapter 17 Combinatorial Search Spring, 2017 * 讲授内容 17.0 概述 17.1 基于分治法的与树搜索(教材17.3) - 与树并行搜索过程 - 处理器数目与搜索效率关系 17.2* 基于分枝限界法的或树搜索(教材17.3) - 串行分枝限界算法 - 示例: 0-1背包问题, 8-谜问题 - TSP问题的分枝限界算法及其并行化 * 17.0 概述 1.组合搜索与人工智能 - 搜索是人工智能的基本手段.推理也可以看成一种搜索,联想、 回忆、灵感也是一种搜索过程； - 人工智能问题的解法一般是非确定型算法，搜索是一种需要 知识指导的非确定型算法； - 许多人工智能算法(如: 贪婪算法、遗传算法、模拟退火法等) 是基于搜索和并行搜索的算法; - 一旦人们对某一问题掌握了足够丰富的知识，即已找到不需要 搜索的确定型算法，这个问题一般就不再认为是一个人工智能 问题了； * AI vs. Combinatorial Search Very hard to define Artificial Intelligence AI is what we don’t know how to do yet Once we know how to do something, it’s not AI e.g. optical character recognition, speech recognition Many AI problems involve combinatorial search * 17.0 概述 2.组合搜索与组合问题 - 组合问题: 研究有限对象的满足某种条件的组合状态的存在性、 计数和构造等问题; - 组合问题类型: 组合优化和组合判定，如TSP、图像和语音识别 等是组合优化问题，SAT、定理机器证明和诊断专家系统是组合 判定问题； - 组合搜索: 将组合问题表示为搜索图或搜索树的进行搜索的一种 求解方法。 3.搜索性能指标和提高途径 - 性能指标: Space Complexity, Time Complexity, Completeness, Solution Quality; - 提高途径: 一是积累并恰当使用有助于减少搜索次数的信息 和知识(启发式方法); 二是采用并行处理技术; * 3. 搜索空间的三种表示 - 表序表示: 搜索对象用线性表数据结构表示; - 显式图表示: 搜索对象在搜索前就用图(树)的数据结构表示; - 隐式图表示: 除了初始节点, 其他节点在搜索过程中动态生成. 缘于搜索空间大, 难以全部存储. 4.搜索树 - 根节点: 原问题; - 内节点: 子问题; - 叶节点: 解或不可行解; - 搜索树的分类: “与”树, “或”树, “与或”树(P629) “与”节点 “或”节点 - 如: 求和问题可以表示为“与”树, 查找问题可以表示为“或”树 17.0 概述 * 17.0 概述 5.隐式图术语 - 起始节点:搜索树的树根; - 非终端节点:搜索树的非叶子节点; - 终端节点:为问题的可行解或不可行解; - 活节点:其子节点未全部生成; - 扩展节点:正在生成子节点的节点; - 如: 0/1 integer-linear-programming Min: 2x1 + x2 – x3 – 2x4 Subject to: 5x1 + 2x2 + x3 + 2x4 = 8 x1 - x2 - x3 + 2x4 = 2 3x1 + x2 + x3 + 3x4 = 5 Note: 24 possible values for x Terminal node (non-goal) Non-terminal node Terminal node (goal) x1 = 0 x4 = 0 x4 = 1 x2 = 0 x2 = 1 x3 = 1 x3 = 0 x3 = 1