西电人工智能9 确定性推理 part2.ppt

Artificial Intelligence (AI)人工智能 主讲：戚玉涛 内容提要 搜索策略 搜索策略 搜索的基本概念 状态空间的搜索策略 与/或树的搜索策略 搜索的完备性与效率 状态空间的搜索策略 状态空间的搜索策略 状态空间搜索的基本思想 图搜索的一般过程 状态空间的盲目搜索 广度优先搜索 深度优先搜索 代价树搜索 状态空间的启发式搜索 启发性信息和估价函数 A算法和A*算法 状态空间的搜索策略 状态空间搜索算法的数据结构和符号约定 OPEN表：未扩展节点表，用于存放刚生成节点 CLOSED表：已扩展节点表，用于存放已经扩展或将要扩展节点的 S：用表示问题的初始状态 G：表示搜索过程所得到的搜索图 M：表示当前扩展节点新生成的且不为自己先辈的子节点集 状态空间的搜索策略 图搜索的一般过程 (1) 把初始节点S放入未扩展节点表OPEN表，并建立目前仅包含S的图G； (2) 检查OPEN表是否为空，若为空，则问题无解，失败退出； (3) 把OPEN表的第一个节点取出放入已扩展节点表CLOSED表，并记该节点为节点n； (4)考察节点n是否为目标节点。若是则得到了问题的解，成功退出。此时的解为追踪图G中沿着指针（步骤6中设置的指针）从n到初始节点S的路径。 状态空间的搜索策略 图搜索的一般过程 (5) 扩展节点n，生成一组子节点。把这些子节点中不是节点n先辈的那部分子节点记入集合M，并把这些子节点作为节点n的子节点加入G中 (6) 针对M中子节点的不同情况，分别作如下处理： ① 对那些没有在G中出现过的M成员设置一个指向其父节点（即节点n）的指针，并把它放入OPEN表。（新生成的） ② 对那些原来已在G中出现过，但还没有被扩展的M成员，确定是否需要修改它指向父节点的指针。（原生成但未扩展的） ③ 对于那些先前已在G中出现过，并已经扩展了的M成员，确定是否需要修改其后继节点指向父节点的指针。（原生成也扩展过的） 状态空间的搜索策略 图搜索的一般过程 (7) 按某种策略对OPEN表中的节点进行排序。 (8) 转第(2)步。 广度优先搜索 状态空间的广度优先搜索 广度优先搜索的基本思想： 从初始节点S开始逐层向下扩展，在第n层节点还没有全部搜索完之前，不进入第n+1层节点的搜索。 未扩展节点表OPEN表中的节点总是按进入的先后排序，先进入的节点排在前面，后进入的节点排在后面。 广度优先搜索 状态空间的广度优先搜索 广度优先搜索算法流程： (1)把初始节点S放入OPEN表中； (2)如果OPEN表为空，则问题无解，失败退出； (3)把OPEN表的第一个节点取出放入CLOSED表，并记该节点为n； (4)考察节点n是否为目标节点。若是，则得到问题的解，成功退出； (5)若节点n不可扩展，则转第(2)步； (6)扩展节点n，将其子节点放入OPEN表的尾部，并为每一个子节点设置指向父节点的指针，然后转第(2)步。 广度优先搜索 广度优先搜索的例子：八数码难题 在3×3的方格棋盘上，分别放置了表有数字1、2、3、4、5、6、7、8的八张牌，初始状态S0，目标状态Sg，如下图所示。要求应用广度优先搜索策略寻找从初始状态到目标状态的解路径。 广度优先搜索 广度优先搜索 在上述广度优先算法中需要注意两个问题： 对于任意一个可扩展的节点，总是按照固定的操作符的顺序对其进行扩展（空格左移、上移、右移、下移）。 在对任一节点进行扩展的时候，如果所得的某个子节点（状态）前面已经出现过，则立即将其放弃，不再重复画出（不送入OPEN表）。 因此，广度优先搜索的本质是，以初始节点为根节点，在状态空间图中按照广度优先的原则，生成一棵搜索树。 广度优先搜索 广度优先搜索的特点： 优点： 只要问题有解，用广度优先搜索总可以得到解，而且得到的是路径最短的解。 缺点： 广度优先搜索盲目性较大，当目标节点距初始节点较远时将会产生许多无用节点，搜索效率低。 状态空间的搜索策略 状态空间的搜索策略 状态空间搜索的基本思想 图搜索的一般过程 状态空间的盲目搜索 广度优先搜索 深度优先搜索 代价树搜索 状态空间的启发式搜索 启发性信息和估价函数 A算法和A*算法 深度优先搜索 状态空间的深度优先搜索 深度优先搜索的基本思想： 从初始节点S开始，在其子节点中选择一个最新生成的节点进行考察 如果该子节点不是目标节点且可以扩展，则扩展该子节点，然后再在此子节点的子节点中选择一个最新生成的节点进行考察 依此向下搜索，直到某个子节点既不是目标节点，又不能继续扩展时，才选择其兄弟节点进行考察。 深度优先搜索 状态空间的深度优先搜索 深度优先搜索算法流程： (1) 把初始节点S放入OPEN表中； (2) 如果OPEN表为空，则问题无解 ，失败退出； (3) 把OPEN表的第一个节点取