人工智能及其应用课件作者孔月萍周继第3_071101章.pptVIP

人工智能及其应用 第三章 智能求解及其搜索策略 内容提要： 搜索系统的组成 问题表示及求解方法 基本推理技术 搜索策略的效率 基本搜索策略 启发式搜索策略 基于规划的启发式搜索原理 搜索系统由以下三大成分构成 ： 知识库：描述当前任务的范围以及要求解问题的目标。 规则 :用于对数据库的加工处理。 控制性知识：决定下一步应如何做？选择什么操作？在何处使用此控制？ 问题表达及其变换 问题的直接求解法 状态空间图搜索算法 问题表达及其变换 同构同态变换 问题的直接求解法 状态空间求解法 用状态描述与问题相关的事实和事实间的关系。 状态常表示为矢量。 问题的状态空间可记为三元组(S，F，G)。 问题演绎法 基本思想：分解原问题成若干个子问题。 博弈问题求解法 属于对策性课题，表示若干个体开展竞争的过程。 状态空间图搜索算法 搜索法求解问题的基本思想： 将初始状态当作当前状态。 选择适当的算符作用于当前状态得到后继状态。 检查这组后继状态中是否有目标状态。 已扩展节点、未扩展节点的数据结构 状态空间图搜索算法 状态空间搜索算法流程： 推理的概念及其类型 推理的控制策略 推理的概念及其类型 定义： 从已有事实和知识中推出结论。 在人工智能系统中，推理机是由程序实现的，它利用知识库中的知识，按一定的控制策略求解问题。 推理的概念及其类型 推理方法分类： 按途径分： 演绎推理、归纳推理、默认推理。 按所用知识的确定性分： 确定性推理、不确定推理。 按结论是否单调增加分： 单调推理、非单调推理。 按推理中是否运用启发性知识分： 启发式推理、非启发式推理。 推理的控制策略 推理系统构成： 知识库 、数据库 、推理机 。 推理方向： (1) 正向推理：由已知事实出发向结论方向的推理，也称事实驱动推理。 (2) 反向推理：以某个假设目标作为出发点的推理，也称为目标驱动推理或逆向推理。 (3) 正反向混合推理: 正向和反向推理相结合的推理。 推理的控制策略 搜索策略： 状态空间搜索(广度优先搜索、深度优先搜索、有界深度优先搜索等 )、启发式搜索等。 冲突解决策略： (1) 专一性排序 (5) 上下文限制 (2) 规则排序 (6) 按匹配度排序 (3) 数据排序 (7) 按条件个数排序 (4) 就近排序 穿透率 有效分支因素 提高搜索效率的一般原则 穿透率 定义： 反映目标搜索时的搜索范围。 P还和问题的难度相关，一般是L越大，问题越困难，P值越小；反之P则越大。 有效分支因素 定义： 有效节点平均生成的子节点总数: 搜索策略的有效分支因素评价: 搜索策略的外显率评价: 提高搜索效率的一般原则 定性策略： 特殊优先策略 新知识优先策略 差异性优先策略 其它策略 特点:非启发的、解决树状结构问题 广度优先搜索 深度优先搜索 有界深度优先搜索 代价推进搜索 广度优先搜索 搜索原则： 深度越小、越早生成结点的优先级越高。 当最低层不止一个结点时，它选择最先生成的结点进行搜索。 广度优先搜索 例3-4：八数码问题(1) 操作规定: 允许空格四周上、下、左、右的数码块移入空格中，不许斜方向移动，不许返回先辈结点。 初始布局S和目标状态D如下图所示： 广度优先搜索 广度优先搜索 广度优先算法步骤： (1) 初始结点S加入到队列OPEN的尾部； (2) 若OPEN为空，则搜索失败，问题无解； (3) 取出OPEN队头的结点n，并放入CLOSE队列中； (4) 若n是目标结点D，则搜索成功，问题有解； (5) 若n是叶结点，则转(2)； (6) 扩展n结点(即找出它的所有直接后继)，并把它的诸子结点依次加入OPEN队尾，修改这些子结点的返回指针，使其指向结点n。转(2)。 深度优先搜索 搜索原则： 深度越大、越晚产生结点的优先级越高。 深度优先搜索是不完备的，属于非算法的搜索过程。 深度优先搜索 例3-5：八数码问题(2) 操作规定已在广度优先搜索算法举例中介绍过。 初始布局S和目标状态D如下图所示： 深度优先搜索 深度优先搜索 深度优先算法步骤： (1) 初始结点S放入堆栈OPEN中； (2) 若OPEN为空，则搜索失败，问题无解； (3) 弹出OPEN表中最顶端结点放到CLOSE表中，并给出顺序编号n； (4) 若n为目标结点D，则搜索成功，问题有解； (5) 若n无子结点，转(2)； (6) 扩展n结点，将其所有子结点配上返回n的指针，并按次序压入OPEN堆栈，转(2) 。 有界深度优先