AI-3+4 搜索推理技术.ppt

搜索推理技术 图搜索策略 盲目搜索 启发式搜索 消解原理 规则演绎系统 产生式系统 Example: Measuring problem Problem: Using these three buckets, measure 7 liters of water. (one possible) Solution: a b c 0 0 0 start (another possible) Solution: a b c 0 0 0 start Which solution do we prefer? 图搜索策略 图搜索控制策略 一种在图中寻找路径的方法 图中每个节点对应一个状态，每条连线对应一个操作符。这些节点和连线又分别由产生式系统的数据库和规则来标记 求得把一个数据库变换为另一数据库的规则序列问题就等价于求得图中的一条路径问题 在状态空间图中，搜索一条从初始节点到目标节点的路径 图搜索的一般过程 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 建立一个叫做CLOSED的已扩展节点表，其初始为空表 LOOP：若OPEN表是空表，则失败退出 选择OPEN表上的第一个节点，把它从OPEN表移出并放进CLOSED表中。称此节点为节点n 若n为一目标节点，则有解并成功退出，此解是追踪图G中沿着指针从n到S这条路径而得到的（指针将在第7步中设置） 图搜索的一般过程 扩展节点n，同时生成不是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 对那些未曾在G中出现过的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 按某一任意方式或按某个探试值，重排OPEN表 GO LOOP 必须记住下一步还可以走哪些点 OPEN表（记录还没有扩展的点） 必须记住哪些点走过了 CLOSED表（记录已扩展的点） 必须记住从目标返回的路径 每个表示状态的节点结构中必须有指向父节点的指针 图的搜索 无信息搜索（盲目搜索） 宽度优先搜索 深度优先搜索 有信息搜索（启发式搜索） A算法 A*算法 盲目搜索 盲目搜索又叫做无信息搜索，一般只适用于求解比较简单的问题 特点：不需重排OPEN表 种类：宽度优先、深度优先、等代价搜索等 宽度优先搜索 以接近起始节点的程度逐层扩展节点的搜索方法 特点：一种高代价搜索，但若有解存在，则必能找到它 宽度优先搜索示意图 宽度优先搜索算法 例子八数码难题（8-puzzle problem） 小结 宽度优先搜索特点 只要问题有解就一定能找到一条通向目标节点的最短路径 耗费时间不一定最短 运算量不一定最小 若问题无解就会失败退出 对于无限图，则循环搜索不会停止 深度优先搜索 定义 首先扩展最新产生的（即最深的）节点 算法 防止搜索过程沿着无益的路径扩展下去，往往给出一个节点扩展的最大深度——深度界限 与宽度优先搜索算法最根本的不同在于：将扩展的后继节点放在OPEN表的前端 深度优先搜索示意图 深度优先搜索算法 等代价搜索 定义 是宽度优先搜索的一种推广，不是沿着等长度路径断层进行扩展，而是沿着等代价路径断层进行扩展 搜索树中每条连接弧线上的有关代价，表示时间、距离等花费 算法 在等价搜索算法中，把从节点i到其后续节点j的连接弧线代价记为c(i,j) ，把从起始节点S到任一节点i的路径代价记为g(i)。在搜索树上，假设g(i)也是从起始节点S到节点i的最少代价路径上的代价。等代价搜索方法以g(i)的递增顺序扩展其节点 盲目搜索 不同的搜索策略其搜索效率是不同的 盲目搜索又称无信息搜索 搜索过程中不使用与问题有关的经验信息 不重排OPEN表 搜索效率低 不适合大空间的实际问题求解 启发式搜索 启发式搜索策略 盲目搜索可能带来“组合爆炸” 启发式信息 用来加速搜索过程的有关问题领域的特征信息 启发式搜索: 利用启发信息的搜索方法 启发式搜索 估价函数 估算节点“希望”程度的度量。估价函数值越小，“希望”越大 为获得某些节点“希望”的启发信息，提供一个评定侯选扩展节点的方法，以便确定哪个节点最有可能在通向目标的最佳路径上  f(n)——表示节点n的估价函数值 应用节点“希望”程度（估价函数值）重排OPEN表 有序搜索 实质：选择OPEN表上具有最小f值的节点（最有希望的节点）作为下一个要扩展的节点 例子 A算法估价函数的定义 f(x)=g(x)+h(x) g(x):从起始状态到状态x的代价 h(x):从状态x到目标状态的代价估计 A