[工学]状态空间的搜索策略.ppt

搜索策略 搜索是人工智能中的一个基本问题，是推理不可分割的一部分，它直接关系到智能系统的性能与运行效率，因而尼尔逊把它列为人工智能研究中的核心问题之一。 已提出的搜索策略 求任一解路的搜索策略 爬山法（Hill Climbing）、深度优先法（Depth-first）、限定范围搜索法（Beam Search）、回溯法（Back-tracking）、最好优先法（Best-first） 求最佳解路的搜索策略 宽度优先法（Breadth-first）、分枝界限法（Branch and Bound）、动态规划法（Dynamic Programming）、最佳图搜索法（A*） 求与或关系解图的搜索法 一般的与或图搜索法（AO*）、极大极小法（Minima）、?-?剪枝法（Alpha-beta Pruning）、启发式剪枝法（Heuristic Pruning） 搜索策略选取操作算子的方式 搜索策略的主要任务是确定选取操作算子的方式。 盲目搜索 对特定问题不具有任何有关信息，按预定步骤（依次或随机）进行搜索，搜索过程中获得的中间信息不用来改进控制策略。 特点：能快速调用操作算子。 启发式搜索 考虑特定问题领域可应用的启发性信息，动态确定调用操作算子的步骤，指导搜索朝最有希望的方向前进。 特点：优先选取合适的操作算子，减少不必要搜索，提高效率 搜索策略 4.1 状态空间的搜索策略 4.2 与/或树的搜索策略 4.1 状态空间的搜索策略 一般搜索过程 盲目搜索策略 回溯策略、宽度优先搜索（广度优先搜索）、深度优先搜索、代价树的宽度优先搜索、代价树的深度优先搜索 启发式搜索策略 有序搜索、A*算法 搜索的基本问题 是否一定能找到一个解； 是否能终止运行或陷入一个死循环； 找到的是否是最佳解； 时间与空间复杂性如何。 一般搜索过程的数据结构 OPEN：未扩展节点表 扩展：用合适算符对一个节点进行操作，生成一组子节点。 存放刚生成的节点。 不同搜索策略，节点在OPEN表中的排列顺序不同。 CLOSED：已扩展节点表 存放将扩展或已扩展节点。 一般搜索过程算法流程 建立只含有初始节点S的搜索图G，把S放到OPEN表中； 建立CLOSED表，其初始值为空表； 若OPEN表是空表，则失败退出； 选择OPEN表中第一个节点，把它从OPEN表移出并放进CLOSED表中，称此节点为节点n； 若n为目标节点，则有解并成功退出，解是追踪图G中沿指针从n到S这条路径得到（指针在第⑦步中设置）； 扩展n，生成不是n的祖先的那些后继节点的集合M，把M的这些成员作为n的后继节点添入图G中； 一般搜索过程算法流程 对M中子节点进行如下处理： 对没在G中出现过的（即没在OPEN或CLOSED表中出现过的）M成员设置一个指向n的指针，把M的这些成员加进OPEN表； 已在OPEN或CLOSED表中的每个M成员，确定是否需要更改指向n的指针方向； 已在CLOSED表中的每个M成员，确定是否需要更改图G中它的每个后裔节点指向父节点的指针。 按某种方式或按某个试探值，重排OPEN表； 转第③步。 3.1.3 一般搜索过程 一般搜索过程的几点说明 搜索过程具有通用性 此后讨论的各种搜索策略都可以看成是它的特例。 各种搜索策略的主要区别在于： 　步骤⑧对OPEN表上的节点进行排序的准则，以便选出一个“最好”的节点作为步骤④扩展使用。 排序可以是任意的，即肓目的——盲目搜索。 可以用启发信息为依据——启发式搜索。 一般搜索过程的几点说明 搜索图和搜索树 图搜索的一般过程中生成的明确图，被称为搜索图G 。 由图G中所有节点及反向指针（在第⑦步形成的指向父节点的指针）构成的集合T，是一棵树，称为搜索树。 扩展某节点时图G已保存了从初始节点到该节点的搜索树。 G中每个节点（S除外）都有且仅有一个指向G中一个父节点的指针。 OPEN表上的节点都是搜索图上未被扩展的端节点。 CLOSED表上的节点，或者是已被扩展但没有生成后继节点的端节点， 或者是搜索树的非端节点。 一般搜索过程的几点说明 搜索过程终止条件 在第⑤步，当被选作扩展的节点是目标节点时，搜索过程成功结束，得到了一个解。 从目标节点按指向父节点的指针（第⑦步形成）不断回溯，能重现从初始节点到目标节点的成功路径。 解是由从初始节点到该目标节点路径上的算符构成。 当搜索树不再有末被扩展的端节点时，即OPEN表为空，搜索过程失败，从初始节点达不到目标节点。 一般搜索过程的几点说明 步骤⑥的说明 一个节点经一个算符操作通常指生成一个子节点。 　　　由于适用于一个节点的算符可能有多个，此时就会生成一组子节点。 　　　判断子节点是否是当前扩展节点的父节点、祖父节点等，若是，则删除。 　　　余下的子节点记做集合M，