人工智能及专家系统课件作者敖志刚第3章节图搜索技术.pptVIP

第2章 知识表示 第3章 图搜索技术 3．1 图搜索及其分类 3．1．1 图搜索的概念 3．1．2 图搜索的分类 3．1．3 状态图搜索树 3．1．4 状态空间搜索算法 3．1．5 搜索效率 3．2 穷举式搜索 3．2．1 广度优先搜索 3．2．2 深度优先搜索 3．2．3 有界深度优先搜索 3．2．4 代价驱动搜索 第3章 图搜索技术 3．3 启发式搜索 3．3．1 启发式搜索的基本概念 3．3．2 局部择优搜索 3．3．3 全局择优搜索 3．3．4 与/或图的启发式搜索 3．3．5 博弈树的启发式搜索 3．3．6 α-β剪枝技术 第3章 图搜索技术 3.1.1 图搜索的概念 图是节点及连接它们的弧的集合。 搜索具有寻找、搜查、扫描、检索的意义。它是在图中寻找目标或路径的基本方法；也就是说，利用已有知识逐步摸索求解,根据问题的实际情况，不断寻找可利用知识，使问题得以解决的过程称为搜索。搜索的目的是以尽可能低的耗费求得所需要的解。 图搜索，就是从初始节点出发，沿着与之相连的弧试探地前进，寻找目标节点的过程(也可以反向进行)。 树式搜索和线式搜索 树式搜索就是以“画树”的方式进行搜索。即从树根(初始节点)出发，一笔一笔地描出一棵树来。 线式搜索就是以“画线”的方式进行搜索。线式搜索所记录的轨迹始终是一条线或折线。 一般情况下，树式搜索成功后，还需再从搜索树中找出所求路径，而线式搜索只要搜索成功，则“搜索线”就是所找的路径，即问题的解。 3．1．2 图搜索的分类 1． 从求解要求看，可分为三种情况： ① 最佳值搜索。在这种情况下，值附在图的各终节点，搜索的目的就是去找出具有最佳值的终节点，例如博弈问题的搜索就是属于这一类问题。 ② 最短路径搜索。搜索的目的是找出从初始节点到目标节点的最短路径。例如，巡回售货员问题。 ③ 满足性搜索。有些问题可能有多个解，有些问题只有一个解，采用满足性搜索，即只要找到一个解即可。例如，定理证明和大多数问题求解。 2.按搜索方向分，有三种情况： ①?正向搜索：是从初始状态向目标状态的方向搜索，有时也称为数据驱动搜索。搜索的过程即应用规则从给定条件产生新条件，再用规则从新条件产生更多的新条件。 ②?反向搜索：是从目标状态向初始状态的方向搜索，即目标驱动搜索。方法是先从目标入手，看哪些规则或合法移动能产生该目标以及应用这些规则产生目标时需要哪些条件。搜索就通过反向的、连续的子目标不断地进行，一直到找到问题给定的条件为止。 双向搜索：同时从目标状态和初始状态出发进行搜索。 正向搜索可用于下列情况: l?问题的初始说明给出了全部或大部分数据的系统。解释程序常常如此，它提供一批采集的数据，要求系统对此作出进一步的解释。 l?存在大量可能的目标，但对实际问题的条件及给定的信息加以运用的方法很少的系统。 l 难以形成一个目标或假设的系统。 对下列情况建议采用反向搜索: l问题的说明中给出了目标或假设，或者很容易用公式来表示它们的系统。 l有大量的规则适用于问题的条件的系统。在这种情况下，可以推出许多结论和结果，较早地选好目标可剪掉空间中许多分枝，使反向搜索的效率更高。 l问题没有给出数据，必须在求解中获取的系统。这种情况下，反向搜索可以帮助指导数据的获取。 l分析特定数据的系统。 3．按照搜索的内容分 3．1．3 状态图搜索树 例、巡回推销员问题。 3．1．4 状态空间搜索算法 解决问题时，有以下的因素需要考虑: 1．计算机无法保存其全部状态空间； 2．与解有关的状态空间一般仅是全部状态空间的一部分。 3．是否一定能找到一个解？ 4．是否能终止运行，或是否会陷入一个死循环？ 5．是否找到的是最好解？ 6．搜索过程的时间与空间复杂性如何？ 7．怎样才能最有效地降低搜索的复杂性？ 8 怎样设计才能最有效地利用描述语言? Open表和Closed表 3．1．5 搜索效率 搜索效率P定义为： P = L / T L——从初始状态到目标状态的路长 T——节点的总数 (不包括初始节点) 另一种度量方法称有效的分枝因素B。它代表在搜索过程中每个有效节点平均生成子节点数目。设L是节点的深度 (或路长)，则 T = B+B2+B3+…+BL=(B—B·BL)/(1 — B) ? 从而可得P=L/T = L(1 — B)/(B — B·BL) 3．2 穷举式搜索 特点——搜索效率低，控制策略差，占用较大的存储空间；但它控制性知识简单，是启发式搜索的基础。为了简化问题的讨论，对下面几种穷举式搜索方法作如下假设： 1．搜索空间是一棵树，即只有一个初始节点，任意两个节点之间的路径是唯一的。 2. 任何