人工智能与知识工程-搜索推理技术讲解1.ppt

3.1 图搜索策略 3.2 盲目搜索 3.3 启发式搜索 3.4 博弈树搜索 3搜索推理技术 从问题表示到问题的解决，有一个求解的过程。常见的AI问题求解技术有两种，即“搜索”（Search）和“推理”（Reasoning）方法。 搜索是AI研究的一个重要课题，几乎所有的AI问题都可以被归结为搜索问题。各种搜索技术的研究是AI初期（1956 － 1970）的“热门”课题。虽然现在已有不少成熟的搜索技术出现于AI手册和各种AI书籍中，并在一些知识系统种得到广泛应用。但搜索效率的提高仍然是现在和今后AI研究者关心的一个重要问题。 问题求解的第二种方法是逻辑推理。通过构造一个逻辑系统，由它可以从已有的断言（公理）推导出新的断言。并用逻辑形式语言描述的一组公理来表达问题域。用这种方法来解决问题就是通过推理来积聚越来越多的断言，直到获得问题的解答。 虽然问题求解可通过搜索方法，也可用逻辑推理，但二者的侧重点是不一样的。前者着重于寻求问题解答的过程，而后者强调前提（初始）问题空间（公理集合）与问题解答间连接的逻辑正确性。或者简单地讲，搜索着重于发现（Discovery），而推理强调证明（Proof）。 　　 3.1图搜索策略 3.1.1 问题求解的过程 3.1.2 图搜索的一般过程 3.1.1问题求解的过程 1.问题的表示: 主要采用状态空间法(状态空间图)和问题归约法(与或图)。 2.问题的求解: 通过在图(“状态空间图”或”与或图”)中进行搜索, 寻找一条路径的方法. 一般搜索: 从初始节点出发, 扩展节点, 并沿子节点推进, 继续扩展选择的子节点, 直到找到通向目标结点的路径, 或找到解树为止。 肓目搜索:是按预定的控制策略进行搜索, 在搜索过程中获得的中间信息并不改变控制策略。 启发式搜索: 是在搜索过程中加入了与问题有关的启发性信息, 缩小问题的搜索范围，指导搜索朝着最有希望的方向前进，以尽快地找到问题的（最优）解。 3.1.2图搜索的一般过程 例：从某王姓家族的四代中找王A的后代且其寿命为X的人。 王A：寿命47，有儿子王B1、王B3、王B2　王B1：寿命77，有儿子王C1、王C2　王B3：寿命52，有儿子王D1　王B2：寿命65，有儿子王E1、王E2　王F1：寿命32　王G1：寿命96　王C2：寿命87，有儿子王F1　王D1：寿命77，没有儿子　王E1：寿命57，有儿子王G1　王E2：寿命92，有儿子王H1 　王C1：寿命27，没有儿子　王H1：寿命51若X=57，　　 如果是一个N代的家族表中找其寿命为X的人，我们最可能用的手工方法是从家族表的开始往下，例中还要求所找的人是某人的后代，就比较复杂了。如果用图来表示，就很容易了。图中把姓氏省去，每个成员的后代按例子中给出名字的先后顺序。 3.1.2图搜索的一般过程(续) 图搜索策略可看作一种在图中寻找路径的方法。初始节点和目标节点分别代表初始数据库和满足终止条件的数据库。求得把一个数据库变换为另一数据库的规则序列问题就等价于求得图中的一条路径问题。研究图搜索的一般策略，能够给出图搜索过程的一般步骤。 3.1.2图搜索的一般过程（续） 数据结构: OPEN：未扩展节点表 CLOSED：已扩展节点表 算法过程 (1) 建立一个只含有起始节点S的搜索图G, 把S放到一个叫作OPEN的未扩展节点表中; (2) 建立一个叫做CLOSED的已扩展节点表, 其初始为空表; (3) LOOP: 若OPEN表是空表, 则失败退出; (4) 选择OPEN表上的第一个节点,把它从OPEN表移出并放进CLOSED表中,称此节点为节点n; (5) 若n为一目标节点,则有解并成功退出, 此解是追踪图G中沿着指针从n到S这条路径而得到的(指针将在第(7)步中设置); 3.1.2图搜索的一般过程（续） (6) 扩展节点n，同时生成不是n的祖先的那些后继节点的集合M，把M的这些成员作为n的后继节点添入图G中； (7) 对那些未曾在G中出现过的(即未曾在OPEN表上或CLOSED表中出现过的)M成员设置一个通向n的指针, 把M的这些成员加进OPEN表。 对已经在OPEN或CLOSED表上的每一个M成员，确定是否需要更改通到n的指针方向。 对已在CLOSED表上的每个M成员，确定是否需要更改图G中通向它的每个后裔节点的指针方向； (8) 按某一任意方式或按某个探试值, 重排OPEN表; (9) Go Loop。 3.1.2图搜索的一般过程（续） 过程说明: ① 搜索图: 图搜索的一般过程生成一个明确的图G, 称为搜索图。 ② 搜索树: 图搜索的一般过程生成G的一个子集T称为搜索树。 由步骤(7)中设置的指针来确定。 ③ G中每个节点(S除外)都有一个只指向G中一个父辈节点的指针