第三章 搜索的原理和方法.ppt

描述博弈过程的与或树称为博弈树 (1) 博弈的初始格局是初始节点。 (2) 在博弈树中，双方轮流扩展节点，自己一方扩展的节点之间是“或”关系。 (3) 所有自己一方获胜的终局都是本原问题，相应的节点是可解节点；所有使对方获胜的终局都认为是不可解节点。 3.3.2 极小极大分析法 为了找到当前的最优行动方案，需要考虑每一方案实施后对方可能采取的所有行动，并计算可能的得分。 为计算得分，需要根据问题的特性信息定义一个估价函数，用来估算当前博弈树端节点的得分。此时估算出来的得分称为静态估值。 当端节点的估值计算出来后，再推算出父节点的得分 对“或”节点，选其子节点中一个最大的得分作为父节点的得分，这是为了使自己在可供选择的方案中选一个对自己最有利的方案； 对“与”节点，选其子节点中一个最小的得分作为父节点的得分，这是为了立足于最坏的情况。 这样计算出的父节点的得分称为倒推值。 如果一个行动方案能获得较大的倒推值，则它就是当前最好的行动方案。 一字棋游戏的极小极大分析法 设有九个空格，由MAX，MIN二人对弈，轮到谁走棋谁就往空格上放一只自己的棋子，谁先使自己的棋子构成“三子成一线”(同一行或列或对角线全是某人的棋子)，谁就取得了胜利。 设棋局为P，估价函数为e(P)。 (1) 若P对任何一方来说都不是获胜的位置，e(P)=e(那些可能被MAX连成一线的完全空着的行、列或对角线的总数)-e(那些可能被MIN连成一线的完全空着的行、列或对角线的总数) 　　 (2) 若P是MAX必胜的棋局，则e(P)＝+∞。 (3) 若P是MIN必胜的棋局，则e(P)＝-∞。　　 e(P)=6-4=2 假设MAX走了这一步，而MIN直接在X上方的空格里放上一个圆圈。下一步，MAX又在新的格局下搜索两层，产生如图所示的搜索图。 3.3.3 α-β剪枝技术 极小极大分析法，先生成一棵博弈树，然后再计算其倒推值，效率较低。 α-β剪枝技术的基本思想：边生成博弈树边计算评估各节点的倒推值，并且根据评估出的倒推值范围，及时停止扩展那些已无必要再扩展的子节点，相当于剪去了博弈树上的一些分枝。 3.6 小结 启发式图搜索策略是人工智能系统中最常用的控制策略，它是利用问题领域拥有的启发信息来引导搜索过程，达到减少搜索范围，降低问题复杂度的目的。 第三章 搜索的原理和方法 宇缨 从问题表示到问题的解决，有一个求解的过程，求解的基本方法包括搜索和推理。 本章先介绍搜索技术，将要讨论问题求解的搜索原理，包括一些早期的、用于解决比较简单问题的搜索技术和一些较新的能够求解比较复杂问题的搜索技术。 本章内容 3.1 盲目搜索 3.2 启发式搜索 3.3 博弈树搜索 *3.4 遗传算法（随机搜索） *3.5 模拟退火算法 3.1 盲目搜索 无信息搜索，一般只适用于求解比较简单的问题。 几种盲目搜索方法： 宽度优先搜索 深度优先搜索 等代价搜索 3.1.1 图搜索策略 在图中寻找路径的方法，图中的节点对应于状态，而连线对应于操作符 图搜索(GRAPHSEARCH)的一般过程如下： (1) 建立一个只含有起始节点S的搜索图G，把S放到一个叫做OPEN的未扩展节点表中（简称OPEN表）。 (2) 建立一个叫做CLOSED的已扩展节点表（简称CLOSED表），其初始为空表。 (3) LOOP：若OPEN表是空表，则失败退出。 (7) 对那些未曾在G中出现过的(既未曾在OPEN表上或CLOSED表上出现过的)M成员设置一个通向n的指针。把M的这些成员加进OPEN表。对已经在OPEN或CLOSED表上的每一个M成员，确定是否需要更改通到n的指针方向。对已在CLOSED表上的每个M成员，确定是否需要更改图G中通向它的每个后裔节点的指针方向。 (8) 按某种方式或按某个探试值，重排OPEN表。 (9) GO LOOP。 图搜索过程 图搜索方法的几点分析 图搜索过程的关键是第8步对OPEN表上的节点进行排序，以便能够从中选出一个“最好”的节点作为第4步扩展用。 这种排序可以是任意的即盲目的(属于盲目搜索)，也可以用以后要讨论的各种启发思想或其它准则为依据(属于启发式搜索)。 不同的排序方法就对应了不同的搜索策略（如下面介绍的宽度优先、深度优先搜索，或等代价搜索等等）。 图搜索方法的几点分析 每当被选作扩展的节点为目标节点时，这一过程就宣告成功结束。这时，能够重现从起始节点到目标节点的这条成功路径，其办法是从目标节点按指针向S返回追溯。 当搜索树不再剩有未被扩展的端节点时，过程就以失败告终(某些节点最终可能没有后继节点，所以OPEN表可能最后变成空表)，在失败终止的情况下，从起始节点出发，无