人工智能搜索.ppt

在人工智能中的搜索Search in Artificial Intelligence Name: Bojin Zheng郑波尽 Telephone:Email: zhengbojin@ 2010/3/1 第一章 搜索问题 内容： 状态空间的搜索问题。 搜索方式： 盲目搜索 启发式搜索 关键问题： 如何利用知识，尽可能有效地找到问题的解（最佳解）。 搜索问题（续2） 讨论的问题： 有哪些常用的搜索算法。 问题有解时能否找到解。 找到的解是最佳的吗？ 什么情况下可以找到最佳解？ 求解的效率如何。 问题与求解 找到一个数，该数大于等于13548并且能够被13547整除。 搜索法 在不知道直接方法的情况下，可以采用搜索法。 它是人工智能的一个框架，是智能问题求解的基础和核心。 原因是：人工智能系统需要解决的问题都比较复杂，常常没有直接方法可以用。 搜索法中的问题表示 对问题进行形式化描述，便于计算机处理。 描叙方法对搜索效率有很大的影响。 一般用状态空间来表示待求解的问题。 状态空间法（1） 找到一个数，该数大于等于13548并且能够被13547整除。 问题的论域为【13548，＋∞】，为了计算机处理，可以选择一个足够大的数。 因此，问题的状态空间可以定义为【13548，1E20】。所有的状态空间构成一个连续自然数序列。 用状态空间表示法描叙问题时，要定义状态空间，表示问题的全部可能状态和相互关系。 状态空间法（2） 可行的方法：从13548开始，每次加1，看得到的数能否被13547整除，直到找到一个数为止。（搜索法） 要定义一个或多个状态，用于描叙问题求解过程开始时的可能状态。这些状态被称为初始状态。 状态空间法（3） 可行的方法：从13548开始，每次加1，看得到的数能否被13547整除，直到找到一个数为止。（搜索法） 要规定一个或一组规则，用于描叙问题从一个状态转变到另一个状态时可以采取的操作（算子operator）以下称该算子为邻域算子（该算子定义了邻居）。 在本问题中，operator 使得从一个状态到另一个状态的序列成为了链表。 状态空间法（4） 可行的方法：从13548开始，每次加1，看得到的数能否被13547整除，直到找到一个数为止。（搜索法） 规定一个或多个状态，用以描述问题求解过程最终应当达到的状态（即问题的解）。称为目标状态。 或者规定一个判断是否目标状态（解）的方法。 知识表示的观点 状态空间表示法表示的陈述性知识。 程序性知识表示？ 如何控制搜索？ 搜索的主要控制问题： 邻域算子的选择，合适的邻域算子可以产生较好的后继节点，有利于算法性能的提高。 测试算法过程终止的条件。 已遍历状态和已使用规则的禁止。 搜索的方向 搜索可以采用两种方法： 正向搜索（数据驱动） 逆向搜索（目标驱动） 也可以组合上述两种方法。 数据驱动的正向搜索 从初始状态出来，寻找一条从初始状态到目标状态的解路径。 是一个求解过程。 目标驱动的逆向搜索 从目标状态出发，寻找从目标状态到初始状态的路径。 适用于求解一个方案。即如何获得解的过程，即解就是这条路径。 双向搜索 同时从初始状态和目的状态出发，寻找相同的状态。 如果找到中间状态，就可以找到一个路径。 如果找不到，则可能返回两个以上解。 搜索树与搜索图 邻域关系可以使用数组或者矩阵表达 也可以使用树和图表达 搜索的过程就是遍历数组、矩阵、图、树的过程 对树的搜索称为搜索树，对图的搜索成为搜索图 水壶问题 一个10升的桶里有10升水，现有3升和4升两个空桶，如何得到5升的水？ 以两个空桶的状态考虑，其搜索树(部分)为： 搜索图 搜索图与搜索树的比较 如果采用广度优先搜索算法，优点为实现简单，但是有可能需要重复处理多次。 如果采用深度优先搜索算法，有可能陷入死循环。需要采用一定的策略避免。 图搜索需要额外的计算去检查下一个节点是否已经生成过。（可以使用广度或深度优先来遍历图产生生成树） 搜索算法的衡量标准 搜索算法的完备性，即只要有解，就一定能找到 搜索的效率，避免生成或扩展无用的点。 控制开销。即控制策略的开销要尽可能小。 几个目标之间有冲突，在以上几个目标中寻求平衡。 1.1 回溯策略 例：皇后问题 递归的思想 递归的思想（续） 一个递归的例子 int ListLenght(LIST *pList) { if (pList == NULL) return 0; else return ListLength(pList-next)+1; } 回溯搜索算法 BACKTRACK（DATA） DATA：当前状态。 返回值：从当前状态到目标状态的路径 （以规则表的形式表示） 或FAIL。 回溯搜索算法 递归过程BACKTRACK(DA