人工智能PPT chapter3_2.pptx

第三章智能求解及其搜索策略 内容提要：搜索系统的组成问题表示及求解方法 基本推理技术搜索策略的效率基本搜索策略 启发式搜索策略人工智能及其应用 3.3 基本推理技术 推理的概念及其类型 推理的控制策略人工智能及其应用3.3.1 推理的概念及其类型定义：从已有事实和知识中推出结论。 推理机：在人工智能系统中，推理机是由程序实现的，它利用知识库中的知识，按一定的控制策略求解问题。 人工智能及其应用3.3.1 推理的概念及其类型推理方法分类：按途径分： （1）演绎推理：三段论。 （2）归纳推理：完全归纳与不完全归纳、类比归纳。 （3）默认推理：在知识不完全的情况下假定某些条件已经具备。按所用知识的确定性分： （1）确定性推理：所用的知识和结论都是精确的。 （2）不确定推理：所用的知识和结论都是不精确的、含糊的。人工智能系统中使用的主要是不确定推理。 人工智能及其应用3.3.1 推理的概念及其类型按结论是否单调增加分： （1）单调推理：随着推理的向前及新知识的加入，结论呈单调增加，并不断接近目标。 （2）非单调推理：随着推理的向前及新知识的加入，不但没有加强已有的结论，反而要否定它，使得推理退回然后重新开始。人类的推理通常是非单调的。按推理中是否运用启发性知识分： （1）启发式推理：推理中使用了与问题有关的启发式知识。 （2）非启发式推理：只按照一般的控制逻辑进行推理。 人工智能及其应用3.3.2 推理的控制策略推理系统构成： 存放知识的知识库（KB）、存放初始事实和中间结果的数据库（DB）、用于推理的推理机 。推理方向： (1) 正向推理：由已知事实出发向结论方向的推理，也称事实驱动推理。 (2) 反向推理：以某个假设目标作为出发点的推理，也称为目标驱动推理或逆向推理。 (3) 正反向混合推理: 正向和反向推理相结合的推理。人工智能及其应用3.3.2 推理的控制策略 搜索策略：状态空间搜索(广度优先搜索、深度优先搜索、有界深度优先搜索等 )、启发式搜索等。 冲突解决策略：推理中，不断进行搜索匹配，当一个以上规则的条件部分和当前数据库相匹配时，决定首先使用哪一条规则的策略。人工智能及其应用3.3.2 推理的控制策略(1) 专一性排序：更具体的优先。(2) 规则排序：规则编排顺序表示了优先级，按规则办。(3) 数据排序：采用高优先级数据的规则优先高。(4) 就近排序：最近使用的优先。(5) 上下文限制：由上下文确定。(6) 按匹配度排序：不精确匹配中使用。(7) 按条件个数排序：优先使用条件少的规则。人工智能及其应用 3.4 搜索策略的效率 搜索效率决定于它的启发能力和其它与被解问题有关的属性。穿透率 有效分支因素 提高搜索效率的一般原则 人工智能及其应用3.4.1 穿透率 定义： L到达目标的长度，T是在整个搜索过程中产生的结点总数。反映目标搜索时的搜索范围。一般P=1。它和问题的难度相关，一般是L越大，问题越困难，P值越小；反之P则越大。人工智能及其应用3.4.2 有效分支因素 定义：假设每个结点平均生成B个子结点，则有效节点平均生成的子节点总数:搜索策略的有效分支因素评价: 搜索策略的外显率评价: 一般B=1。问题越困难，B值越大；反之B值越小。人工智能及其应用3.4.3 提高搜索效率的一般原则 定性策略： 特殊优先策略：特殊知识优先于一般知识。 新知识优先策略：新知识优先于旧知识。差异性优先策略:与上次差异大的知识优先。其它策略 人工智能及其应用3.5 基本搜索策略特点:非启发的、解决状态空间为树状结构问题分类：广度优先搜索 深度优先搜索 有界深度优先搜索代价推进搜索 人工智能及其应用3.5.1 广度优先搜索搜索原则：深度越小、越早生成结点的优先级越高。当最低层不止一个结点时，它选择最先生成的结点进行搜索。 人工智能及其应用3.5.1 广度优先搜索广度优先算法步骤：(1) 初始结点S加入到队列OPEN的尾部；(2) 若OPEN为空，则搜索失败，问题无解；(3) 取出OPEN队头的结点n，并放入CLOSE队列中；(4) 若n是目标结点D，则搜索成功，问题有解；(5) 若n是叶结点，则转(2)；(6) 扩展n结点(即找出它的所有直接后继)，并把它的诸子结点依次加入OPEN队尾，修改这些子结点的返回指针，使其指向结点n。转(2)。人工智能及其应用3.5.1 广度优先搜索例3-4：八数码问题(1)初始布局S和目标状态D如下图所示： 操作规定: 允许空格四周上、下、左、右的数码块移入空格中，不许斜方向移动，不许返回先辈结点。人工智能及其应用3.5.1 广度优先搜索例3-4的广度优先搜索树：人工智能及其应用3.5.2 深度优先搜索搜索原则：深度越大、越晚产生结点的优先级越高。深度优先搜索是不完备的搜索过程。 人工智能及其应用3.5.2