人工智能和专家系统 第3章 搜索方法.ppt

人工智能与专家系统;第3章 搜索方法 ;第3章 搜索方法;3.1 问题求解过程的形式表示;3.1.1 状态空间表示法; 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，一般用一个三元组表示： （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。 ;;;;3.1.2 与/或图表示法;;;;;;;;例3.2 三阶梵塔问题：如图3.5所示。应用分解变换求解三阶梵塔问题。;;;;;3.2 状态空间的搜索方法;3.2 状态空间的搜索方法;3.2.1 盲目搜索算法;;;;;;;;;;;;;;;;;;;表3.1 例3.3的算符集;;;;;;3.2.2 启发式搜索算法;;;;;;;;; 例3.4 应用状态空间的全局择优搜索求解例3.3的最短路径问题。;;;;;;;; 例3.5 五个城市之间的交通路线图如图3.13所示，从城市A出发到城市E，??经过每个城市最多一次，求从A到E的最小费用的解。 （1）应用有代价宽度优先搜索求解，算法循环多少次终止？画出搜索树，给出问题的解。 （2）应用全局择优搜索策略求解，算法循环多少次终止？画出搜索树，给出问题的解。 图3.13 例3.5的城市交通路线图;;;3.2.3 状态空间搜索算法的应用;;解： （1）状态定义(略) （2）算符定义(略) （3）应用代价树宽度优先搜索求解;（4）应用有代价深度优先搜索求解;（5）应用全局择优搜索策略求解 启发函数 hj = a (b - dj)，参数a≈ 6，参数b可取b = 2～5。取b=3，则hj = 6（3 - dj）;;解：（1）状态定义 状态S定义为当前走过的城市名字符串，刚走过的城市名在串尾。 初态：S0 = A 终态：Sg = A x1x2x3x4 A 其中 xi∈{B，C，D，E}，且xi≠xji，j=1,2,3,4 （2）算符定义go(x,y) 表示从城市x走到城市y。 使用条件：当前状态Si城市名字符串串尾城市名是x；且Si若字符串长度小于5，则不含城市名y；若字符串长度等于5，则只能选取y=A的算符。 算符操作：将城市名y添加到当前状态Si的串尾。 由20个算符组成算符集。 ;;图3.21 例3.7的全局择优搜索生成的搜索树;;;;; 图3.23 例3.8的全局择优搜索生成的搜索树;;;;;;3.2.4 Ａ* 算法及其特性;1 Ａ* 算法 A*算法:如果全局择优搜索算法的估价函数f满足如下限 制，则成为A*算法: f(x)=g(x)+h(x) ①代价函数g(x)是对g*(x)的估计，g(x)＞0。g*(x)是从初 始节点到节点x的最小代价。恒有 g(x)≥g*(x)。 ②启发函数h(x)是h*(x)的下界，即对所有的x均有h(x)≤h*(x)。h*(x)是从节点x到目标节点的最小代价，若 有多个目标节点，则为其中最小的代价。 h(x)≤h*(x)的限制保证A*算法能找到最优解。 ;;;3.3 与∕或图的搜索方法;3.3.1与∕或图的盲目搜索算法; 可解标示过程与不可解标示过程都是自下而上进行的。由子节点的可解性确定父节点的可解性。如果已经确定某个节点是不可解节点，则其全部后裔节点都不再有用，可从搜索树中删去，但这个不可解节点还不能删去，因为在判断其先辈节点的可解性时还要用到它。 ;;;;;; ;;;3.3.2 与／或图的启发式搜索算法;;希望树的定义 启发式搜索希望求出最优解树，即代价最小的解树。所以每次选择欲扩展的节点时都应该挑选有希望成为最优解树的一部分的那些节点进行扩展。由这些节点及其先辈节点（包括初始节点）所构成的与/或树称为“希望树”。 希望树的定义为： (1)初始节点S0在希望树T中。 (2)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 {c(x,yi)+h(yi)}