第五章 状态空间的搜索策略.ppt

最佳图搜索法 良好的解 更为一般的情况下是考虑搜索方法对于所有可能预见的问题，其平均的组合耗散值最小。 启发式度量只能根据使用方法的实际经验作出判断，并没有必要去追求严格的最优结果。 A算法 概述 启发式搜索算法A，一般简称为A算法 算法思想 定义一个评价函数f，对当前的搜索状态进行评估，找出一个最有希望的节点进行扩展。 A算法 评价函数 形式：f(n)=g(n)+h(n) 其中n是要被评价的节点， 那么f(n)、g(n)和h(n)都表示什么哪？为此我们先看一下下面的几个函数的含义。 A算法 解释： g*(n):从初始节点S0到节点n之间的最小代价路径的实际代价 h*(n):从节点n到目标节点Sg的最小代价路径的代价 f*(n)=g*(n)+h*(n) f*(n):表示节点S0到节点n的一条最佳路径的实际代价加上从节点n到目标节点的一条最佳路径的代价之和。 A算法 f(n),g(n)和h(n)则分别是对上面的三个函数的估计值，是一种预测。 A算法就是按照这种预测，来达到有效搜索的目的。 A算法 启发式搜索算法A 1 把初始节点S0放入open表中，令f(S0)=0 2 如果open表为空，则问题无解，退出。 3 把open表中选取第一个节点（节点n）从open表中移到closed表中。 4 考察节点n是否为目标节点，若是则求得问题的解，并退出；否则继续. 5如果节点n可扩展，则转6，否则转2 A算法 6 扩展节点n，对其后续节点集合M中的某一个节点mi，计算f(n,mi)=g(n,mi)+h(mi) 其中 g(n,mi):初始节点S0通过n到mi的耗散值 f(n,mi):是从S通过n,mi到目标节点的耗散值的估计 把open表中的节点按照f值从小到大排序。 7为每个节点设置指向n的指针。 8 转向第2步。 A*算法 概述 最佳图搜索算法A*又可以简称为A*算法 再说h(n),g(n)和f(n) g(n)是从初始节点S0到节点n的路径代价，可以通过由节点n到初始节点S0的路径上的各段弧线的代价加起来而得到 显然可以有 A*算法 h(n)是对h*(n)的估计，它依赖于问题有关领域的启发是信息，就是上面提到的启发函数，具体的形式要根据问题的特性来进行构造。 A*算法中对启发式函数有很严格的限制，要求 这点要求非常重要，能够保证A*算法找到最优解。 A*算法 A*算法的定义 如果在一般状态空间图的搜索算法中的第7步中，根据估价函数 对open表中的节点进行排序，并且要求启发式函数h(x)是h*(x)的一个下界，即 则这种状态空间图的搜索算法称为A*算法，而如果对启发函数h(x)不作相应的限制，则这种状态空间图搜索算法称为A算法。 A*算法 A*算法的性质 可采纳性 对于可解的状态空间图来说，如果一个搜索算法能在有限步内终止，并且能够找到最优解，则此算法时可采纳的。 A*算法时可采纳的，即它能在有限步内终止并且找到最优解。 A*算法 A*算法的性质 单调性 对启发函数h*(x)的单调性限制条件为 设Sg是目标节点，它的启发函数为0 对所有的节点Xj来说，如果Xj是节点Xi的任意子节点，则有 A*算法 A*算法的性质 信息性 比较两个A*算法的启发式函数h1和h2，如果搜索空间中的任意节点x都有 就说策略h2比h1具有更多的信息性。 图搜索算法小结 搜索策略是产生式系统的重要部分，本章详细地讨论了回溯搜索和图搜索，图搜索主要分为盲目搜索和启发是搜索 利用递归过程描述的回溯控制机制简单有效 图搜索策略是人工智能系统中最常用的控制策略 图搜索算法小结 根据问题的知识建立相应的启发函数h(n)是解决实际问题中要碰到的重要问题 搜索策略是人工智能中研究的核心课题之一，迄今为止探索有效和实用的搜索策略仍然是很有意义的一个工作 * 画出算法的流程之后，我们可以看出。遗传算法的编程脉络是很清晰的，实现上是比较简单的。关于我们上面介绍的遗传编码，适配度评价，复制操作，交叉操作，变异操作会在下一步中进行详细地介绍。 * 代价树宽度优先搜索 5 判断节点n是否可以扩展，如果不可以扩展则转向第2步，否则继续 6 对节点n进行扩展，将它们所有的后继节点放入open表中，并对每一个后继节点nj计算其代价 g(j)=g(i)+c(i,j) 7 为每一个后继节点设置指向n的指针，然后根据节点的代价大小对open表中的所有节点进行从小到大排序 8 转向第2步 代价树宽度优先搜索 例题：推销员最短路径问题 假设A,B,C,D,E是五个城市，推销员要从A城出发，到达E城。需要走怎样的路径，费用才能最省？ 五个城市的交通图以及每两个城市间的旅行费用如下所示，图中的数字就是旅行费用。 代价树的深度优先搜索策略 代价