人工智能第5章高级搜索.ppt

人工智能 华中科技大学水电与数字化工程学院 第五章 高级搜索 5.1 基本概念 很多问题都属于优化问题，或者可以转化为组合优化问题，如 TSP 问题. 设 x 是决策变量，D 是 x 的定义域，f(x)是指标函数，g(x)是约束条件集合，则优化问题可以表示为: 求解满足 g(x) 的 f(x)最小（大）值问题. 如果在定义域 D 上，满足条件 g(x) 的解是有限的，则优化问题称为组合优化问题. 2) 算法的时间复杂度 对于组合优化问题，由于其可能的解是有限的，当问题的规模(n)比较小时，总可以通过枚举的方法获得问题的最优解，但当问题的规模比较大时，就难于求解了. 算法复杂度函数(衡量算法复杂性的量级) 一些难的组合优化问题 旅行商问题 背包问题 考试时间安排问题 ... 寻求在可以接受的时间内得到满意解的方法 牺牲精度,换取效率 3) 邻域的概念 邻域，简单的说就是一个点附近的其他点的集合. 在距离空间，邻域就是以某一点为中心的圆. 组合优化问题中的定义：设 D 是问题的可行解集合,s为其中一可行解,若存在一个映射N，使得： 则称N(s)为s 的邻域, 每个解 为 s 的邻居(邻近解)。含义是,对每个解 s ,有一个解的集合 N(s),集合中的解在某些意义上是邻近 s 的. 例：皇后问题 S={Si}表示一个可行解，其中 Si 表示在第i行，第 Si 列有一个皇后。 如四皇后问题的一个解：S=(2, 4, 1, 3) 定义映射 N 为棋盘上任意两个皇后的所在行或列进行交换，即 S 中任意两个元素交换位置。 例：当S = (2, 4, 1, 3)时，其邻域为： N(S) = {(4, 2, 1, 3), (1, 4, 2, 3), (3, 4, 1, 2), (2, 1, 4, 3), (2, 3, 1, 4), (2, 4, 3, 1)} 例：旅行商问题 遍历所有 n 个城市后回到出发点的一个全连通图，G（n，A），A 表示城市间两两相连的一组边. 用一个城市的序列表示一个可能的解 S. 通过交换两个城市的位置获取 S 的邻居，例简单交换方法 设：S = (x1, x2, …xi-1, xi, xi+1, …, xj-1, xj, xj+1, …, xn)，通过交换xi和xj两个城市的位置得到S的一个邻居S = (x1, x2, …xi-1, xj, xi+1, …, xj-1, xi, xj+1, …, xn) 例：逆序交换方法 设xi、xj是选取的两个城市，逆序交换方式指: 通过逆转xi、xj两个城市之间的城市次序得到 S 的邻居. 设：S = (x1, x2, …xi-1, xi, xi+1, …, xj-1, xj, xj+1, …, xn) 则：S = (x1, x2, …xi-1, xi, xj-1, x j-2…, xi+1, xj, xj+1, …, xn) 5.3 遗传算法 达尔文进化论：“物竞天择、适者生存” 70 年代由美国的密执根大学的 Holland 教授首先提出. 近年来，遗传算法作为一种有效的工具，已广泛地应用于最优化问题求解之中. 1) 生物进化与遗传算法 2) 遗传算法的三个主要操作 选择 交配 变异 选择 “轮盘赌”法 ： 设群体的规模为 N ，F(xi)(i=1, ..., N)是其中每个染色体的适应值,则第 i 个染色体被选中的概率由下式给出： 模拟“轮盘赌” 算法 （1）r=random(0, 1)，s=0，i=0； （2）如果s≥r，则转（4）； （3）s=s+p(xi)，i=i+1, 转（2） （4）xi 即为被选中的染色体，输出i （5）结束. 交配 交配发生在两个染色体之间，由两个被称之为双亲的父代染色体，经杂交以后，产生两个具有双亲的部分基因的新的染色体. 例: 采用二进制形式编码时，交配过程如下： 变异 变异发生在染色体的某一个基因上，当以二进制编码时，变异的基因由 0 变成 1，或者由 1 变成 0 。 染色体x=11001，变异位发生在第三位， y=11101. 遗传算法 （1）给定群体规模 N，交配概率 pc 和变异概率 pm，t＝0； （2）随机生成 N 个染色体作为初始群体； （3）对于群体中的每一个染色体 xi 分别计算其适应值 F(xi)； （4）如果算法满足停止准则，则转（10）； （5）对群体中的每一个染色体 xi 计算概率； （6）依据计算得到的概率值，从群体中随机地选取 N 个染色体，得到种群； （7）依据交配概率 pc 从种群中选择染色体进行交配，其子代进入新的群体，种群中未进行交配的染色体，直接复制到新群体中； （8）依据变异概率