图搜索—图搜索策略概要.ppt

* 3.3.3 A*算法 思考：经过节点n的最佳路径，怎么表示？怎么求解最优解答路径。 估价函数f* ：对节点n定义f*(n)=g*(n)+h*(n) ,表示从S开始通过节点n的一条最佳路径的代价。其中g*(n)表示从起始节点S到n的最佳路径，h*(n)表示从n到某目标节点的最佳路径。 估价函数f ：f(n)=g(n)+h(n)； 其中g是g*的估计 ，h是h*的估计； g 的一个选择就是搜索树中从 S 到 n 的这段路径的代价；显然有g(n)≥ g*(n)； h 的依赖于领域的启发信息，比如八数码问题中的 W(n), h 称为启发式函数； 3.3 启发式搜索 * A*算法： 定义1 在GRAPHSEARCH过程中，如果第8步的重排OPEN表是依据f(x)=g(x)+h(x)进行的，则称该过程为A算法。 定义2 在A算法中，如果对所有的x存在h(x)≤h*(x),则称h(x)为h*(x)的下界，它表示某种偏于保守的估计。 定义3 采用h*(x)的下界h(x)为启发函数的A算法，称为A*算法。当h=0时，A*算法就变为等代价搜索算法。 * 开始 把S放入OPEN表，记 f = h OPEN=NIL? 失败 BESTNODE是目标节点？ 成功 扩展BESTNODE，产生 后续节点SUCCESSOR 否 否 是 是 A*子过程 选取OPEN表上未设置过的具有最小 f 值 的节点BESTNODE,放入CLOSED表中 A*算法总框图 * SUC属于OPEN？ SUC属于CLOSED？ SUC=OLD，把它添加到 BESTNODE的后续节点表中 g(SUC)g(OLD)? 重新确定OLD的父辈节点为BESTNODE， 并修订父辈节点的g、f值，记下g（OLD） 计算f的值 把SUCCESSOR放入OPEN表， 添进BESTNODE的后裔表 是 否 是 否 否 是 计算g(SUC)=g(BES)+h(BES,SUC) 建立从SUCCESSOR 返回BESTNODE的指针 A*算法子过程 * 思考： （1）宽度优先搜索、深度优先搜索与等代价搜索的关系？ （2）有序与A*算法等搜索方法的关系？ （3）等代价搜索与A*算法的关系？ 基于状态空间搜索算法的智能系统应用领域： 问题求解（智能问题）：迷宫 下棋软件：国际象棋，围棋，中国象棋等 策略游戏：RPG， 实例欣赏：采用智能搜索引擎的智能系统——中国象棋程序！ (1)评估函数程序； (2)子力计算程序； (3)搜索树搜索程序； * 第三章 搜索推理技术 3.1 图搜索策略 3.2 盲目搜索 3.3 启发式搜索 问题：知识表示有那些方法？知识表示的目的是什么？构建智能系统的关键是什么？ * 3.1 图搜索策略 思考：状态空间法的基本特点？基本推理方法？其求解结果是什么？简单回顾实例：猴子与香蕉。 * 用一个四元表列（W，x，Y，z）表示这个问题状态 W 猴子的水平位置 x 当猴子在箱子顶上时取 x = 1；否则取 x = 0 Y 箱子的水平位置 z 当猴子摘到香蕉时取 z=1；否则取 z=0 算符： Goto（U）， （W，0，Y，z） goto（U） （U，0，Y，z） Pushbox（V）， （W，0，W，z） pushbox（V） （V，0，V，z） Climbbox， （W，0，W，z） climbbox （W，1，W，z） Grasp， （c，1，c，0） grasp （c，1，c，1） 3.1 图搜索策略 * (b，1，b，0) （U，0，b，0） （V，0，V，0） （c，1，c，0） （U，0，V，0） （c，1，c，1） （a，0，b，0） U=b，climbbox 猴子和香蕉问题的状态空间图 提问：人工搜索求解的解答？ 目标状态 goto（U） goto（U） goto（U） U=b, pushbox（V） pushbox（V） goto（U） V≠c，climbbox V=c，climbbox 3.1 图搜索策略 * 猴子和香蕉问题自动演示： 猴子 香蕉 箱子 猴子 香蕉 箱子 Ha!Ha! 3.1 图搜索策略 思考：计算机的搜索策略？ * 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。 用产生式系统的数据库和规则来标记： 初始节点————初始数据库； 目标节点————目标数据库； 状态图的一条路径问题————求得把一个数据库变换为另一数据库的规则序列问题。 图搜索过程（GraphSearch）