图搜索技术-read.ppt

第三章 状态空间搜索策略 3.1 搜索的概念及种类 3.2 盲目搜索策略3.3 启发式搜索策略 例1 走迷宫是人们熟悉的一种游戏，如图就是一个迷宫。如果我们把该迷宫的每一个格子以及入口和出口都作为节点，把通道作为边，则该迷宫可以由一个有向图表示。 例2 在一个3×3的方格棋盘上放置着1,2,3,4,5,6,7,8八个数码，每个数码占一格，且有一个空格。这些数码可在棋盘上移动，其移动规则是：与空格相邻的数码方可移入空格。现在的问题是：对于指定的初始棋局和目标棋局(如图)，给出数码的移动序列。该问题称为八数码难题或重排九宫问题。 状态空间（图）是一类问题的抽象表示，有许多智力问题(如Hanoi塔问题、旅行商问题、八皇后问题、农夫过河问题等)和实际问题（如路径规划、定理证明、演绎推理、机器人行动规划等）都可以归结为在状态空间(图)中寻找目标或路径的问题。因此，研究状态空间搜索具有普遍意义。 有界深度优先搜索算法的深度界限的选择很重要。选择过大，可能会影响搜索的效率；选择的过小，有可能求不到解。 有界深度优先搜索策略是不完备的。对于某些问题，可能它的解就位于某一分支较深的位置，而界限值选取的没有那么大，就会导致找不到问题的解。 搜索代价问题：在实际问题的搜索求解中，在将一个状态变换成另一个状态时，往往所付出的操作代价(或费用)是不一样的，也就是状态空间图中各有向边的代价是不一样的。这是前面讨论搜索算法没有考虑的。 3.2.5 代价树的宽度优先搜索 代价树：把有向边上标有代价的搜索树称为代价搜索树，简称代价树。 代价计算：在代价树中，把从初始节点So到任意节点i的路径代价记为g(i)，而把从节点i到其后继节点j的连线之代价(有向边代价)记为C(i,，j)，则g(j)=g(i)+C(i，j)。 代价树宽度优先搜索的基本思想：每次从OPEN表中选择一个代价最小的节点，移入CLOSED表。 算法3.5 代价树的宽度优先搜索算法 (1)把初始节点So放入OPEN表，令g(So)=0。 (2)如果OPEN表为空，则问题无解，退出。 (3)把OPEN表中代价最小的节点，即排在前端的第一个节点(即为节点n)，移入CLOSED表中。 (4)如果节点n是目标节点，则求得问题的解，退出，否则继续。 (5)判断节点n是否可扩展，若不可扩展，则转(2)步；否则转(6)步。 (6)对节点n进行扩展，将它们所有的后继节点放入OPEN表中，并对每个后继节点j计算其代价g(j)=g(i)+C(i，j)，为每个后继节点设置指向n节点的指针，然后，根据节点的代价大小对OPEN表中的所有节点进行从小到大的排序。 (7)转向第(2)步。 例3.4 推销员旅行问题。假设A、B、C、D、E是5个城市，推销员从城市A出发，到达城市E，走怎样的路线费用最省?5个城市间的交通图及每两个城市间的旅行费用如下图。 3.2.6 代价树的深度优先搜索 代价树宽度优先搜索每次从OPEN表中的全体节点中选择代价最小的节点移人ClOSED表，并对这一节点进行扩展或判断是否为目标节点。 代价树深度优先搜索则是从当前扩展节点的后继节点中选择一个代价最小的节点移入CLOSED表，并进行扩展或判断。 算法3.6 代价树的深度优先搜索算法 (1)把初始节点So放人OPEN表中。 (2)如果OPEN表为空，则问题无解，退出。 (3)将OPEN表中的第一个节点(代价最小的节点记为节点n)移人CLOSED表。 (4)如果节点n是目标节点，则求得问题的解，退出；否则转第(5)步。 (5)判断节点n是否可扩展，若不可扩展则转第(2)步，否则转第(6)步。 (6)对节点n进行扩展，并将其后继节点按有向边代价从小到大排序后放入OPEN表的前端，并为各后继节点设置指向n节点的指针。 (7)转第(2)步。 代价树深度优先搜索虽然速度快，但所得到的解不一定是最优解。 代价树的深度优先搜索法是不完备的，因为代价树的深度优先搜索法有可能进入无穷分支路径而搜索不到问题的解。 3.3 启发式搜索策略 启发式搜索：利用问题自身特性信息，以提高搜索效率的搜索策略。又称有信息搜索。 3.3.1 启发信息与估价函数 启发信息：于指导搜索过程且与具体问题求解有关的控制性信息。 启发信息按其作用来分可以有三种： (1)用于决定要扩展的下一个节点，以免像在宽度优先或深度优先中那样盲目地扩展。 (2)在扩展一个节点的过程中，用于决定要生成哪一个或哪几个后继节点，以免盲目地同时生成所有可能的节点。 (3)用于确定某些应该从搜索树中抛弃或修剪的节点。 * 第三章 状态空间搜索策略 我们通过例子引入状态空间搜索的概念。 迷宫的有向图表示 ? 走迷宫其实就是从该有向图的初始节点(入口)出发，寻找目标节点(出口)