搜索基本算法2012.8.docVIP

搜索基本算法 搜索是人工智能中的一种基本方法，利用计算机的高性能来有目的、有方法的穷举一个问题的部分或所有的可能情况，从而求出问题的解的一种方法。在建立搜索算法时，首先需要关注的问题是，以什么作为状态？这些状态之间又有什么样的关系？其实，在这样的思考过程中，我们已经不知不觉地将一个具体的问题抽象成了一个图论的模型——树（如图所示）。即搜索算法的使用第一步在于搜索树的建立。 由上图可以知道，这样形成的一棵树叫搜索树（图）。初始状态对应着根结点，目标状态对应着目标结点。排在前的结点叫父结点，其后的结点叫子结点，同一层中的结点是兄弟结点，由父结点产生子结点叫扩展。完成搜索的过程就是找到一条从根结点到目标结点的路径，找出一个最优的解。这种搜索算法的实现类似于图或树的遍历，通常可以有两种不同的实现方法：深度优先搜索（ＤＦＳ——Ｄepth First search）和宽度优先搜索（ＢＦＳ——First Search），下文对这两种方法分别进行讨论。 深度优先搜索 一．深度搜索 如算法名称那样，深度优先搜索所遵循的搜索策略是尽可能“深”地搜索树。它的基本思想是：为了求得问题的解，先选择某一种可能情况向前（子结点）探索，在探索过程中，一旦发现原来的选择不符合要求，就回溯至父亲结点重新选择另一结点，继续向前探索，如此反复进行，直至求得最优解。如迷宫问题（可以理解为遍历图的问题）：进入迷宫后，先随意选择一个前进方向，一步步向前试探前进，如果碰到死胡同，说明前进方向已无路可走，这时，回到上一步，改变前进方向是否有路可走，如果有路可走，则沿该方向再向前试探；如果已无路可走，则再返回一步，再看其它方向是否还有路可走；如果有路可走，则沿该方向再向前试探。按此原则不断搜索回溯再搜索，直到找到新的出路或从原路返回入口处无解为止。 深度优先搜索在树（图）的遍历中也称作树（图）的先序遍历。对于树而言，深度优先搜索的思路可以描述为： 将根结点置为出发结点。 访问该出发结点。 依次将出发结点的子结点置为新的出发结点，进行深度优先遍历回溯（执行（２））。 回溯上一层的出发结点。 深度优先搜索的具体编程可用递归过程或模拟梯归来实现。他们各有各有优缺点。通常情况下采用递归方式实现搜索算法，因为递归形式的程序符合思维习惯，编写起来较容易。下面是深度优先搜索的用递归方式实现的程序框架： Procedure dfs（i:integer）; Var k:integer; Begin If 所有阶段都已求解 then Begin 比较最优解并保存； end else begin for k:=1 to i（同一深度可能决策的范围）do begin 穷举当前阶段所有可能的决策（方案、结点）k if k方案可行 then begin 记录状态变化； DFS(i+1); // 将子结点作为新的出发结点 状态恢复（现场恢复）； end end; end; End. 二．例 题 1. 选择最短路径 【问题描述】 有如下所示的交通路线图，边上数值表示该道路的长度，现要求出从1号地点到达7号地点的最短的路径长度是多少，并输出该长度。 图1 图2 【问题分析】 首先需要把图1转化成搜索树模式。在建立搜索树之前，各节点之间的状态，结点与结点之间的关系。 结点状态：现有结点①～⑦号，每个结点存在两种状态，即已进入搜素路径或者未进入搜素路径，初始状态都是未进入搜索路径，两种状态可以用“1”和“0”表示。 结点之间关系：存在路劲或者不存在路径。存在路径有具体的数值表示，不存在路径可以用“-1”来代替。 在明确以上两点的基础上建立如图2所示的搜索树。求最短路径就是遍历该搜索树的过程。 首先从①号结点开始，在遍历①～⑦过程中，搜索到与结点②时存在路径，首先把结点②纳入路径，然后累加路径的长度同时判断该结点是否为结点⑦。继续调用以②为起点的搜索，开始继续遍历①～⑦中的结点，发现结点①、②已在路径中，结点③不存在连接，判断与结点④的连接，存在连接，同样把结点④纳入路径，累加路径的长度，同时判断该结点是否为结点⑦，……依次类推，形成一颗搜索树，一条完整的搜索路径：①-②-④-③-⑤-⑦。 完成第一条路径的搜索以后，即完成了第5层面的搜素，但是前面的4个层面还没有完成，这时回溯至第4层完成结点⑥和结点⑦的搜索，不存在连接，继续回溯至第3层，遍历至结点⑤，遍历结点①～⑦，发现结点①、结点②已经存在路径中，与结点③存在连接，同样把结点③纳入路径，累加路径的长度，同时判断该结点是否为结点⑦，然后以结点③为起点，遍历搜索结点①～⑦，发现无连接，这样宣布这条路