第2章 搜索策略.pptVIP

第二章 搜索策略 不良结构化和非结构化问题，无成熟算法可用，只能利用已有的知识一步一步地摸索着前进，这种求解问题的方式称为搜索。 第一节 图搜索策略(Graph Search) 求解问题的搜索过程形成一个搜索图，问题的求解就相当于在搜索图中找出一条从始点到终点的路径。 本节授课内容: 一、图搜索的步骤和框图 二、关于图搜索的几点说明 一、图搜索的步骤和框图 注意 4 个要素: (1) open表:待扩展节点表 (2) closed表:已扩展节点表 (3) 搜索图G (4) 指针 二、关于图搜索的几点说明 Graph Search的搜索图是状态空间图的一个子图，它是边搜索边生成的，搜索图不一定是树图。 盲目搜索一般仅适用于具有树状结构的状态空间图的搜索问题，一般在扩展节点之后，生成的都是新节点，不考虑修改指针。 若生成一个老节点，将它放在open表中，就相当于再扩展一次。 第二节 宽度优先搜索(广度优先搜索)( Breadth-first Search ) 本节授课内容: 宽度优先搜索的特点 宽度优先搜索的步骤及框图 宽度优先搜索应用举例 一、宽度优先搜索的特点 逐层搜索。上一层所有节点搜索之后，才转到下一层节点的搜索。 扩展后的后继节点放在open表的末端。 二、宽度优先搜索的步骤及框图 三、宽度优先搜索应用举例 [例1] 用宽度优先算法求解8数码难题 宽度优先搜索的拓展------等费用(代价)搜索 宽度优先搜索: 搜索树中所有的连接弧线代表相等的费用值，搜索沿着等长度断层进行。 等费用(代价)搜索: 搜索树中每条边的费用值不相等，搜索沿着等费用断层进行。优先扩展费用值g(i)小的节点，扩展节点之后，计算后继节点的费用值。 第三节 深度优先搜索( depth-first Search ) 本节授课内容: 深度优先搜索的慨念及特征 深度优先搜索的步骤及框图 深度优先搜索应用举例 一、深度优先搜索的慨念及特征 优先扩展最新产生的(最深的)节点。即:扩展后的后继节点放在open表的前端。 节点深度的定义: (1)起始节点(根节点)的深度为0 。 (2)任何其它节点的深度等于其父辈节点的深度加1 搜索树深度无限时，需规定深度界限。 二、深度优先搜索的步骤及框图 三、深度优先搜索应用举例 [例1] 用深度优先算法求解8数码难题，深度界限为5 。 第四节 启发式搜索(Heuristically Search) 搜索过程中利用启发信息改进控制策略，使得搜索朝着最有希望的方问前进。 启发性信息是指与具体问题求解有关的控制性信息。 每次扩展，总是扩展最有希望的节点，如何度量希望的程度呢? 采用估价函数 本节授课内容 一、 估价函数 二、有序搜索(Order Search) 三、有序搜索算法应用举例 四、A*算法 五、搜索方向与推理方向 一、 估价函数 估价函数: 估算节点希望程度的量度，用f(n)表示，f(n)表示从起始节点出发，经过节点n到达目标节点的最优路径的代价估算值。 从open表中选取最小f值的节点进行扩展，这种算法称为有序搜索(order search)或最佳优先搜索(best-first search) 。 二、有序搜索(Order Search) 尼尔逊(Nilsson)于1971年提出。 三、有序搜索算法应用举例 [例1] 用有序搜索算法求解8数码难题。 四、A*算法 A*算法是一种有序搜索算法，它在构造估价函数方面有新特点。 定义一个函数: f*(n)=g*(n)+h*(n) 其中: f*(n)是从始点S出发经过节点n到达目标节点的最佳路径的代价 g*(n)是从始点S到节点n的最佳路径的代价 h*(n)是从节点n到目标节点的最佳路径的代价 用估价函数f(n)作为f*(n)的一个估价: f(n)=g(n)+h(n) 其中: f(n)是从始点S→n→T这段路径的代价。 g(n)是从始点S→n这段路径的代价，可在扩展节点时计算出来。 h(n)是从节点n →T这段路径的代价，用领域的启发信息估算；h(n)称为启发函数。 五、搜索方向与推理方向 1 正向搜索:从初始状态出发的搜索。 2 逆向搜索:从目标状态开始的搜索。 3 双向搜索:同时从初始状态正向搜索和从目标状态逆向搜索，直至这两这路径在中途相交接为止。 4 正向推理:从已知的事实出发的推理 事实(状态、条件)→结论 5 逆向推理:以某个假定目标作为出发点的推理 假定目标 作