第一章第一讲--状态空间与图搜索.pdf

人工智能（Artificial Intelligence ） 《人工智能》 第一章搜索问题  内容： 状态空间的搜索问题。 搜索方式：  盲目搜索  启发式搜索  关键问题： 如何利用知识，尽可能有效地找到问题的 解（最佳解）。 《人工智能》 搜索问题（续1） S 0 S g 基本概念 搜索的含义 依问题寻找可用的知识，构造代价少的推理路径从而解决问题的过程 离散的问题通常没有统一的求解方法 搜索策略的优劣涉及能否找到最好的解、计算时间、存储空间等 搜索分为盲目搜索和启发式搜索 盲目搜索：按预定的策略搜索，未用问题相关的或中间信息改进搜索。 效率不高，难求解复杂问题，但不失可用性 启发式搜索：搜索中加入问题相关的信息加速问题求解，效率较高， 但启发式函数不易构造 讨论的问题 –有哪些常用的搜索算法? －问题有解时能否找到解?(完备性) –找到的解是最佳的吗？(最优性) －什么情况下可以找到最佳解？ –求解的效率如何? （时间、空间复杂度） 《人工智能》 状态空间表示法 状态：描述问题求解中任一时刻的状况；变量的有序组合 算符：一个状态→另一状态的操作 状态空间：所有求解路径构成的图；{状态，算符} 表示 问题求解过程： 初始状态：描述问题求解中的初始状况 算符(规则应用）：一个状态→另一状态的操作 目标测试：确定给定的状态是否为目标状态 路径耗散函数：设定每一步算符操作的耗散值 问题的解：从初始状态到目标状态的路径 最优解：所有解中耗散值最小的解 《人工智能》 例：二阶梵塔问题（习题1.1） 状态描述： （SA,SB ） 可能状态：S0=(1,1),S=(1,2),S=(1,3),S=(2,1),Sg=(2,2),S=(2,3) S=(3,1),S=(3,2),Sg=(3,3) 算符：A(i,j)—将A 从i轴移至j 轴; B(i,j)—将B从i轴移至j 轴 可能算符：A(1,2), A(1,3), A(2,1), A(2,3), A(3,1), A(3,2) B(1,2), B(1,3), B(2,1), B(2,3), B(3,1), B(3,2) 1,1 A(1,3) 2,1 3,1 B(1,2) 2,3 3,2 A(3,2) A A B B 3,3 1,3 1,2 2,2 1 2 3 1 2 3 S0 Sg 《人工智能》