2015AI课件lec73问题归约.pptVIP

人工智能原理 人工智能原理 * 人工智能原理 * 表示方法 —问题归约法 问题归约是不同于状态空间的人工智能中另一种问题描述和求解方法,问题归约表示也是一个三元组(S0,F,G):S0--一个初始问题描述,即要解决的问题(初始问题)；F--一套把问题变换为子问题的操作符（操作算子集）；G--一套本原问题描述，其中的每一个问题是不需证明的，自然成立的，如公理、已知的实事等（本原问题集）。 所有问题归约的目的是最终产生具有明显解答的本原问题。这些问题可能是由状态空间搜索中走动一步解决的问题，或者可能是别的具有已知解答的更复杂的问题。 问题归约相当于对问题进行分解成若干个子问题集，然后进一步分解子问题，直至分解得到本原问题为止。 * 人工智能原理 * 表示方法 —问题归约法 梵塔难题 ?? 有3个柱子（1，2，3）和3个圆盘尺寸从小到大为A，B，C。在每个圆盘的中心有个孔，所以圆盘可以堆叠在柱子上。最初，全部圆盘都堆在柱子1上：最大的C在底部，最小的A在顶部。要求把所有圆盘都挪到柱子3上。每次只允许移动一个，而且只能搬动柱子顶部的圆盘，还不许把尺寸较大的圆盘堆放在尺寸较小的圆盘上。 * 人工智能原理 * 表示方法 —问题归约法 我们把原始难题归约为以下三个子难题： 移动圆盘A和B至柱子2的双圆盘难题 移动圆盘C至柱子3的单圆盘难题 移动圆盘A和B至柱子3双圆盘难题 1 2 3 1 2 3 ABC * 人工智能原理 * 梵塔难题归约图（与或图） (111)=(333) (111)=(122) (122)=(322) (322)=(333) (111)=(113) (113)=(123) (123)=(122) (322)=(321) (321)=(331) (331)=(333) 状态：用三元组(x,y,z)表示， 其中: “x”表示圆盘C所在的柱号，“y”表示圆盘B所在的柱号, “z”表示圆盘A所在的柱号。 * 人工智能原理 * 与或图表示 与或图：用一个类似图的结构来表示把问题归约为后继问题的替换集合（例：见右图，将问题A分解为三个问题集合，即{B, C}、{D, E, F}、 {H}）。 或节点： 与节点： 圆弧：标记与节点 与或图是一种超图，普通图是与或图的一个特例，与或图需要其特有的搜索技术（AO*） 状态空间与问题归约问题求解方法的区别：是否存在与节点。 A B C D E F H （子问题替换结构图） A M N H B C D E F 一个与或图 表示方法 —问题归约法(与或图表示) * 人工智能原理 * 表示方法 —问题归约法(与或图表示) 父辈节点、后继节点： 起始节点：对应于原始问题描述。 终叶节点：对应于本原问题。 解图：由可解节点构成的子图，这些节点能够证明其初始节点是可解的。 可解节点： （1）终叶节点是可解的。 （2）如果某个非终叶节点含有或后继节点，那么只有当其后继节点至少有一个是可解的时，此非终叶节点才是可解的。 （3）如果某个非终叶节点含有与后继节点，那么只有当其后继节点全部为可解的时，此非终叶节点才是可解的。 不可解节点： （1）没有后裔的非终叶节点是不可解的。 （2）如果某个非终叶节点含有或后继节点，… … （3）如果某个非终叶节点含有与后继节点，… … * 人工智能原理 * 表示方法 —问题归约法(解图示例) t t t t t: 表示终叶节点（本原问题）。 ：表示可解节点。 t t t t t （有一个以上的解） * 人工智能原理 * 表示方法 —问题归约法(问题归约机理) 规划机理 一种问题归约技术 把状态空间搜索问题(S, F, G)归约为越来越简单的搜索，直至所有问题能够被归约为平凡解为止。 识别路标状态序列（g1,g2, …,gn） 将初始问题归约为由（S,F,{g1}）,({g1},F, {g2} , …,({gn}, F, G)规定的问题集合。解答所有这些问题就等价于解答该初始问题。（gi∈Gi） 关键算符（对问题求解具有决定性作用的算符） 问题求解的决定性步骤 例如， “移动圆盘C至柱子3”这个算符可被认为梵塔问题的决定性步骤。 * 人工智能原理 * 状态空间搜索问题归约 设 f ∈F 是关键算符， Gf 表示 f 适用的所有状态集合， g ∈ Gf ， f(g)是算符作用于状态g而得到的状态， 则可将初始问题（S, F, G）归约如下： （S,F,G） （S,F,Gf） （{f(g)},F,G） 表示方法 —问题归约法(问题归约机理) f * 人工智能原理 * 状态空间搜索问题归约 设 f ∈F 是关键算符， Gf 表示 f 适用