人工智能搜索策略33.pptVIP

(4) 如果节点n可扩展，则做下列工作: ① 扩展节点 n，将其子节点放入 OPEN 表的首部，并为每个子节点配置指向父节点的指针，以备标示过程使用。 ② 考察这些子节点中有否终止节点。若有,则标示这些终止节点为可解节点，并应用可解标示过程对其先辈节点中的可解节点进行标示。如果初始节点 S0 也被标示为可解节点，则搜索成功，退出搜索过程如果不能确定 S0 为可解节点，则从 OPEN 表中删去具有可解先辈的节点。 ③ 转第 (2) 步。 (5) 如果节点n不可扩展，则做下列工作： ① 标示节点n为不可解节点。 ② 应用不可解标示过程对节点 n 的先辈节点中不可解的节点进行标示。如果初始节点S0也被标示为不可解节点，则搜索失败，表明原始问题无解，退出搜索过程；如果不能确定S0为不可解节点，则从 OPEN 表中删去具有不可解先辈的节点。 ③ 转第 (2) 步。 广度优先搜索及深度优先搜索都是盲目搜索，其共同点是： (1) 搜索从初始节点开始，先自上而下地进行搜索，寻找终止节点及端点节，然后再自下而上地进行标示，一旦初始节点被标示为可解节点或不可解节点，搜索就不再继续进行。 (2) 搜索都是按确定路线进行的，当要选择一个节点进行扩展时，只是根据节点在与/或树中所处的位置，而没有考虑要付出的代价，因而求得的解树不一定是代价最小的解树，即不一定是最优解树。 3.3.2 与/或树的盲目搜索 3.3.3 与/或树的启发式搜索 1.与/或树的有序搜索 与/或树的有序搜索是用来求取代价最小的解树的一种搜索方法，为了求得代价最小的解树，就要在每次确定欲扩展的节点时，先往前多看几步，计算一下扩展这个节点可能要付出的代价，并选择代价最小的节点进行扩展。 Def:像这样根据代价决定搜索路线的方法称为与/或树的有序搜索，它是一种启发式搜索策略。 相关概念： (1)解树的代价:为进行有序搜索，需要计算解树的代价，而解树的代价可通过计算解树中节点的代价得到. (2)希望树： 下面首先给出计算节点代价的方法，然后再说明如何求解树的代价。 设用c(x,y)表示节点x到其子节点y的代价，则计算节点x的代价的方法如下： (1) 如果x是终止节点，则定义节点 x 的代价 h(x)=0； (2) 如果x是“或”节点，y1,y2,…,yn 是它的子节点，则节点x的代价由下式计算得到 h(x)=min{c(x,yi)+h(yi)}，(1≤i≤n) (3) 如果x是“与”节点，则节点x的代价有两种计算方法：和代价法与最大代价法。 若按和代价法计算，则有h(z)=∑(c(z,yi)+h(yi)) 若按最大代价法计算，则有h(z)=max(c(z,yi)+h(yi)) (4) 如果x不可扩展，且又不是终止节点，则定义 h(z)=∞。 3.3.3 与/或树的启发式搜索 举例：下图是一棵与/或树，其中包括两棵解树，一棵解树由S0，A，t1和t2组成；另一棵解树由S0，B，D，G，t4和t5组成。在此与/或树中，t1,t2,t3,t4,t5为终止节点；E,F是端节点，其代价为∞；边上的数字是该边的代价。 由左边的解树可得: 按和代价：h(A)=11,h(S0)=13 按最大代价：h(A)=6,h(S0)=8 由右边的解树可得: 按和代价： h(G)=3,h(D)=4,h(B)=6,h(S0)=8 按最大代价： h(G)=2,h(D)=3,h(B)=5,h(S0)=7 (2) 希望树: 无论是用和代价方法还是最大代价方法，当要计算任一节点x的代价 h(x)时，都要求己知其子节点 yi 的代价 h(yi) 。 搜索是自上而下进行的，即先有父节点，后有子节点，除非节点x的全部子节点都是不可扩展节点，否则子节点的代价是不知道的。此时节点x的代价h(x)如何计算呢？ 3.3.3 与/或树的启发式搜索 3.3.3 与/或树的启发式搜索 解决的办法是: 根据问题本身提供的启发性信息定义一个启发函数， 由此启发函数估算出子节点集的代价 h(yi)， 按和代价或最大代价算出节点x的代价值h(x)， 有了h(x)，节点x的父节点，祖父节点以及直到初始节点 S0的各先辈节点的代价 h 都可自下而上的逐层推算出来。 当节点yi被扩展后，也是先用启发函数估算出其子节点的代价，然后再算出h(yi)。 注意：此时算出的h(yi) 可能与原先估算出的h(yi)不相同，这时应该用后算出的h(yi)取代原先估算出的h(yi)，并且按此h(yi)自下而上地重新计算各先辈节点的 h 值。当节点yi的子节点又被扩展时，上述过程又要重复进行一遍。 总之，每当有一代新的节