人工智能第三章-搜索策略-2.ppt

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 约束满足搜索 约束满足问题（CSP）就是为一组变量寻找满足约束的赋值。 如，N-皇后问题就是一个约束满足问题。这里的问题就是为N个变量赋值，每个变量的值表示每行上皇后的问题，值域均为[1，N]，约束就是N个皇后谁也“吃”不到谁。 * * 定义 一个约束满足问题表述为一个三元组（V，D，C），V为n个变量的集合V={v1,……,vn}，D为变量vi (i=1,2,……,n)相应的取值集合D={D1，……，Dn}，C为约束的有限集合，其中每个约束对若干变量同时可取的值做出限制。问题的解是对所有变量，满足所有约束的赋值。 * * 说明： （1）在上述定义中，限定每个相应于变量vi的取值集合Di（0≤i≤n）都是离散的和有限的。 （2）C为约束的有限集合，约束是一个或多个对象属性间的数学或逻辑关系。如，把10元钱换成1、2、5元钱，1、2、5元钱为对象，对象的个数为各自的属性，数学关系可以表示为：c1 + 2c2 + 5c3 = 10。如果问题的每个约束仅涉及两个变量，则称为二元约束问题（BCSP）。 * * （3） 如果至少存在一个解答满足某个约束，则称该约束是可满足的。例如，对于约束{（x + y≤2）∧(0≤x,y≤2)}(x和y为整数)是可满足的，这里x=y=1。如果x和y为整数，则约束{（x + y≤2）∧(x＞2,y＞2)}是不可满足的。 （4）如果找不到一个变量值的组合，使之满足所有的约束，则可以找到一个满足最大数目约束的解，这种情况称为最大约束满足问题。 * * 目前约束推理的研究主要集中在两个方面： 约束搜索 约束语言 约束搜索主要研究有限域上的约束满足，对有限域而言，约束满足问题一般是一个NP难问题，因此不可能存在一个线性时间的算法能够找到所有的解答。 * * 例 地图着色问题：对于下图所示的地图，从{ 红（R），绿（G），黄（Y）}中选择一种颜色赋予图中的国家，使得相邻的国家具有不同的色彩。 * * 用下图来表示相邻关系，其中结点表示国家，连线表示结点之间的邻接关系，约束用≠表示。 首先，对于任意一个国家，赋予任意一个色彩。假定首先A1赋予R。用Ai≠R表示Ai不能被赋予R色彩。这样，可以有下面的步骤： * * Step1:{A1←R,A2≠R} Step2:{A1←R,(A2←G,A3≠G,A4≠G)} Step3:{A1←R,A2←G,(A3←Y,A4≠Y,A6≠Y),A4≠G} Step4:{A1←R,A2←G,A3←Y,(A4←R,A5≠R,A6≠R),A6≠Y} Step5:{A1←R,A2←G,A3←Y,A4←R,(A5←Y,A6≠Y),A6≠R} Step6:{A1←R,A2←G,A3←Y,A4←R,A5←Y,A6←G} 在步骤2中，用A2←G代替步骤1中的A2≠R，并增加一些约束，用括号表示。这里步骤6得到一个可能的解答。 * * 小结 搜索的基本概念和分类 状态空间的概念和表示方法。 一般图的搜索算法 启发式搜索的概念，启发式搜索算法A，f(x),g(x),h(x)定义 盲目搜索及其代表：深度优先和宽度优先。 深度优先的变形：有界深度和迭代加深搜索 A*算法， f*(x),g*(x),h*(x)定义 与或图的搜索和AO*算法。 A*和AO*的比较 博弈问题，看作是一种特殊的与或搜索问题。 极大极小方法和α-β剪枝技术。 约束满足问题 * * * * * * * * * * * * * * * * * * * * * * * * * * 所谓“二人零和”，是指在博弈中只有“敌、我”二方。且双方的利益完全对立，其赢得函数之和为零，即 φ1+φ2=0 式中，φ1为我方赢得(利益)；φ2为敌方赢得(利益)。 即：博弈的双方有三种结局： (1)我胜：φ10；敌负：φ2= -φ10。 (2)我负：φ1= -φ20；敌胜：φ20。 (3)平局：φ1=0，φ2=0。 博弈问题对人工智能研究提出了严峻的挑战。例如，如何表示博弈问题的状态、博弈过程和博弈知识等。 * * 所谓“全信息”，是指博弈双方都了解当前的格局及过去的历史。 所谓“非偶然，是指博弈双方都可根据得失大小进行分析，选取我方赢得最大，敌方赢得最小的对策，而不是偶然的随机对策。 * * （1）对垒的双方MAX和MIN轮流采取行动，博弈的结果只能有3种情况：MAX胜、MIN败；MAX败，MIN胜；和局。 （2）在对垒过程中，任何一方都了解当前的格局和过去的历史。 （3）任何一方在采取行动前都要根据当前的实际情况，进行得失分析，选择对自己最为有利而对对方最不利的对