第2章-问题求解与搜索技术1.pptVIP

2.1.2 问题特征分析 例2.3 符号积分 不定积分的计算规则有： ∫udv → uv-∫udv 分部积分产生式规则 ∫f(x)+g(x)dx → ∫f(x)dx+∫g(x)dx 和式分解规则 ∫kf(x)dx → k∫f(x)dx 因子规则 2.1.2 问题特征分析 例2.4 积木问题──机器人规划的抽象模型 积木问题关心的是积木块的相对位置：某一积木在桌上或某一积木在另一积木上。机器人只能一次拿一块积木，每次搬动时积木上面必须是空的。 2.1.2 问题特征分析 2.1.2 问题特征分析 例2.4 积木问题 积木的相对位置可用谓词表示为： 初始状态： ontabel(B)∧clear(B)∧ ontabel(A) ∧on(C,A)∧clear(C) 目标状态： ontabel(C)∧on(B, C)∧on(A, B) 2.1.2 问题特征分析 其中目标状态可分解为： 子问题1: ontabel(c) 子问题2: on(B, C) 子问题3: on(A, B) 2.1.2 问题特征分析 例2.4 积木问题 机器人所需完成的操作： OP1：clear(x)→ontabel(x) 无论x在何处，若x上无物体，则可将x放于桌上 OP2：clear(x)∧clear(y)→On(x, y) 若x，y上无物体，则可将x放在y上 2.1.2 问题特征分析 这个问题的求解方法有两种： 一种方法是采用全面搜索的方法； 一种是用分解子问题的方法。 从目标来看，总问题可分解成三个子问题，但这三个子问题不能按任意次序求解。 2.1.2 问题特征分析 但若从初态出发, 将on(A, B)作为子问题1 首先求解，这样会使搜索离目标越来越远。 2.1.2 问题特征分析 对于子问题的之间的关系, 实际上有两种:一种为子问题之间是独立的, 其搜索路径为: 2.1.2 问题特征分析 另一种是子问题之间有依赖关系, 其搜索路径为: 2.1.2 问题特征分析 2．问题求解步骤是否可撤回？ 在问题求解的每一步骤完成后，分析一下它的“踪迹”，可分为3类： （1）求解步骤可忽略 如定理证明，证明定理的每一件事情都为真或者为假，且总是保存知识库里，它是怎样推出来的对下一步并不重要，因而控制结构不需要带回溯。 2.1.2 问题特征分析 （2）可复原 如走迷宫，实在走不通，可退回一步重来。这种搜索需用回溯技术,例如: 需用一定的控制结构； 需采用堆栈技术。 2.1.2 问题特征分析 （3）不可复原 如下棋、决策等问题，要提前分析每走一步后会导致的结果。不可回头重来,这需要使用规划技术。 2.1.2 问题特征分析 3．问题全域可预测否？ 有些问题它的全域可预测，如水壶问题、定理证明, 这些问题结局肯定，可只用开环控制结构。 有些问题的全域不可预测，如变化环境下机器人的控制，特别是危险环境下工作的机器人随时可能出意外，必须利用反馈信息，应使用闭环控制结构。 2.1.2 问题特征分析 4．问题要求的是最优解还是较满意解？ 一般说来，最佳路径问题的计算较任意路径问题的计算要困难。如果使用的启发式方法不理想，那么对这个解的搜索就不可能很顺利。有些问题要求找出真正的最佳路径，可能任何启发式法都不能适用。因此，得进行耗尽式搜索， 第2章 用搜索求解问题的基本原理 问题求解(Problem-solving)是AI领域中的一大课题, 它涉及规约、推断、决策、规划、常识推理、定理证明等相关过程的核心概念, 是人工智能中研究得较早而且比较成熟的一个领域。 2.1 问题与问题空间 AI早期的目的是想通过计算技术来求解这样一些问题：它们不存在现成的求解算法或求解方法非常复杂，而人使用其自身的智能都能较好地求解。为模拟这些问题的求解过程而发展的一种技术叫搜索。 把问题求解定义为状态空间的搜索 在分析和研究了人运用智能求解的方法之后，人们发现许多问题的求解方法都是通过试探在某个可能的解空间内寻找一个解来求解问题，这种基于解答空间的问题表示和求解方法就是状态空间法。许多涉及智力的问题求解可看成状态空间的搜索。 状态和状态空间 状态（state）是为描述某些不同事物间的差别而引入的一组最少变量q0，q1，q2…,