人工智能节课件.pptVIP

1.5 搜索算法讨论 1.弱方法 人工智能范畴的一些问题都比较复杂，一般无法用直接求解的方法找到解答，因此需借助搜索技术。前面几节讨论的搜索方法都难以克服搜索过程的组合爆炸问题，因此在人工智能领域中，把这些方法统称为“弱方法”。 “弱方法”：为避免求解过程中的组合爆炸，在搜索算法中引入启发性信息，多数情况能以较小的代价找到解，但并不能保证任何情况下都能获得解。 优选法解极值问题搜索过程的特点： 设状态是实数域[a ，b]上实值连续函数f，求该目标函数在何处取得极值及其大小。 在几何学中黄金分割法的思想是在区间[0,1]间取0.618和0.382两个特殊点来考虑问题：若f(0.382)较优，则剪去[0.618,1]区段；若f(0.618)较优，则剪去[0,0.382]区段；然后在新区间依此规则继续下去，直至函数f在某一点取得极值，这就是优选法的特点。 f中包含了启发信息，下面给出该算法： 黄金分割法： ①x1:=0,x2:=1,x3:=0.382.x4:=0.618;赋变量初值 ② LOOP1：IF　X３≈X４　THEN EXIT(SUCCESS); IF f(x3)f(x4) THEN GO LOOP2; IF f(x3)f(x4) THEN Go LOOP3; IF F(x3)=f(x4) THEN GO LOOP2VLOOP3; 可根据某种原则决定 ③LOOP2：x2:=x4,x4:=x3,x3:=x1+x2-x4; ④GO LOOP1； ⑤LOOP3： x1:=x3,x3:=x4,x4:=x1+x2-x3; ⑥GO LOOP1 由于计算中引入极强的启发信息，因而获得最佳的搜索效果，可以证明f在[0,1]间具有单极值时，f(x3)或f(x4)即为求得的极值点，而且求解过程搜索的点数是最少的。 2.搜索算法分析 算法分析主要回答这些方法执行的效果怎样，找到的解其优劣程度如何。 搜索过程最基本的一个分析是对深度为D，分支因数为B的一棵完全树的结点数进行讨论。 目前优于穷举法的方法有3种情况： ①能保证找到的解与穷举法所得结果一样好，但耗时较少。这类方法的问题是能否给出某一方法具体有多快。 ②对问题的一些实例，耗费时间和穷举法一样，但对另一些实力则较穷举方好得多。这类方法的问题是运行一组一般问题，期望有多快。 ③得到的解比穷举法结果较差。问题是要在给定时间内找到解，这个解与最佳解之间有多大差别。 求解人工智能问题的一个途径是企图以多项式时间求解NP完全类问题。 分支界限法实际上是第一种选择的实例： ①各种选择按完美排序进行时，最好情况下其性能有多好。 ②各种选择按不良排序进行时，最差情况下其性能有多好。 ③各种选择按某种随机过程的排序进行时，平均情况下其性能有多好。 ④各种选择按应用于一组特定问题的启发函数排序进行时，在实际世界中，平均角度看其性能有多好。 3.数字魔方问题求解的搜索策略 在8×8的棋盘方格上，填入1~64的数字，其结果如下图： 其主要特征是每行或每列8个数字的总和为260.在进一步分析发现任一半行或半列4个数字的总和为130；任一拐弯对角线8个数字的总和也是260（如16，63，57，10，23，40，34，17或50，8，7，54，43，26，25，47两条拐弯对角线）；4角的4个 数字（52，45，16，17）与中心的4个数字 （54，43，10，23）也是260；任意一个2×2的子魔方的4个数字之和是130（如52，61，14，3或23，26，41，40），还可给出几个类似的性质。 魔圆性质与魔方类似，这里不做拗述，详情请看课本。 下面讨论一个最简单的3×3数字魔方问题。1~9 共9个数字填入魔方格使行，列和对角线数字总和相等。 N阶(奇次)魔方算法： ①D:=1,P(D,(x=『N』/2，y=N));函数P把最小数字置于顶行中心处，每一方格用坐标标记。 ②LOOP:D:=D+1,x:=x+1,y:=y+1; ③IF D=N^2 THEN EXIT(SUCCESS); ④IF (xN) ∧(yN) THEN IF (x，y)=NIL THEN P(D ， (x，y)) ELSE P(D ，(x-1，y-2)) IF (xN) ∧(yN) THEN P(D ， (x，y-N)) IF (xN) ∧(yN) THEN P(D ， (x-N，y)) IF (xN) ∧(yN) THEN IF (x-N，