人工智能、启发式搜索.docVIP

启发式搜索 信息工程学院 计算机科学与技术 118班 路振中 一、何谓启发式搜索 启发式搜索算法有点像广度优先搜索，不同的是，它会优先顺着有启发性和具体特定信息的节点搜索下去，这些节点可能是到达目标的最好路径。我们称这个过程为最优（best-first）或启发式搜索 下面是其基本思想： (1) 假定有一个启发式(评估)函数?f ，可以帮助确定下一个要扩展的最优节点，我们采用一个约定，即?f的值小表示找到了好的节点。这个函数基于指定问题域的信息，它是状态描述的一个实数值函数。 (2) 下一个要扩展的节点n是?f(n)值最小的节点(假定节点扩展产生一个节点的所有后继)。 (3) 当下一个要扩展的节点是目标节点时过程终止 二、典例A搜索算法描述 用最优搜索算法详细说明GRAPHSEARCH。最优搜索算法根据函数的增加值，(在上述第7步)重排OPEN中的节点。把GRAPHSEACH的这种算法称为算法A。 下面将会看到，定义使A执行广度搜索或相同代价搜索的函数是可行的。为了确定要用的函数族，必须先介绍一些其他符号。 设g(n) = 从开始节点n0到节点n的一个最小代价路径的代价。设h(n) =节点n和目标节点（遍及所有可能的目标节点以及从n到它们的所有可能路径）之间的最小代价路径的实际代价。 那么f(n) = g(n) + h(n)就是从n0到目标节点并且经过节点n的最小代价路径的代价。注意f(n0)= h(n0)是从n0到目标节点的一个（不受限的）最小代价路径的代价。 对每个节点n，设g?(n)（深度因子）是由A*发现的到节点n的最小代价路径的代价，h?(n)（启发因子）是h(n)的某个估计。在算法A中，我们用?f(n)= g?(n)+ h?(n)。 A算法流程：(1)生成一个只包含开始节点n0的搜索图G，把n0放在一个叫OPEN的列表上。(2)生成一个列表CLOSED，它的初始值为空。(3)如果OPEN为空，则失败退出。(4)选择OPEN上的第一个节点，把它从OPEN中移入CLOSED，称该节点为n。(5)如果n是目标节点，顺着G中，从n到n0的指针找到一条路径，获得解决方案，成功退出（该指针定义了一个搜索树，在第7步建立）。 (6)扩展节点n，生成其后继节点集M，在G中，n的祖先不能在M中。在G中安置M的成员，使它们成为n的后继。(7) 从M的每一个不在G中的成员建立一个指向n的指针（例如，既不在OPEN中，也不在CLOSED中）。把M的这些成员加到OPEN中。对的每一个已在OPEN 中或CLOSED中的成员m，如果到目前为止找到的到达m的最好路径通过n，就把它的指针指向n。对已在CLOSE中的M的每一个成员，重定向它在G中的每一个后继，以使它们顺着到目前为止发现的最好路径指向它们的祖先。(8) 按递增值，重排OPEN（相同最小值可根据搜索树中的最深节点来解决）。(9) 返回第3步。 在第7步中，如果搜索过程发现一条路径到达一个节点的代价比现存的路径代价低，我们就要重定向指向该节点的指针。已经在CLOSED中的节点子孙的重定向保存了后面的搜索结果，但是可能需要指数级的计算代价。因此，第7步常常不会实现。随着搜索的向前推进，其中有些指针最终将会被重定向 //OPEN--CLOSE，起点--任意顶点g(n)--目标顶点h(n)closedset := the empty set?????????????????//已经被估算的节点集合?????? openset := set containing the initial node?//将要被估算的节点集合??? g_score[start] := 0????????????????????????//g(n)??? h_score[start] := heuristic_estimate_of_distance(start, goal)????//h(n)??? f_score[start] := h_score[start]?????????????? while openset is not empty??? //若OPEN表不为空??????? x := the node in openset having the lowest f_score[] value?//x为OPEN表中最小的??????? if x = goal???????????????????????????????????????????????//如果x是一个解??????????? return reconstruct_path(came_from,goal)?????????????//??????? remove x fro