人工智能—搜索技术.pptVIP

高级人工智能第5章 搜索技术 本章内容 5.1 搜索的概念及种类 5.2 无信息搜索策略 5.3 启发式搜索策略 5.4 约束满足问题 5.5 博弈搜索  参考书目 5.1 搜索的概念及种类 搜索的概念 现实世界中大多数问题都是非结构化的，不存在现成的求解方法来求解这样的问题，而只能利用已有的知识一步一步地摸索着前进。 这一过程中所要的解决的问题是，如何寻找可利用的知识，即如何确定推理路线，才能使在付出尽量少的代价的前提下把问题圆满解决。 如果存在多条路线可实现对问题求解，又必须确定如何从多条求解线路中，选出一条使它的求解代价最小 搜索：根据问题的实际情况，按照一定的策略或规则，从知识库中寻找可利用的知识，从而构造出一条使问题获得解决的推理路线的过程/如何在合理的时间范围内，从问题所有解中找出一个最优解或可行解/在数学和有关工程领域被称为“优化” 搜索存在两层含义： 找到从初始问题到最终答案的一条推理路线; 找到的路线是时间和空间复杂度最小的. 理想状态下，希望在最短的时间内获得最优解，而解的最优性与求解的计算复杂性之间是一对矛盾。 对于复杂问题，难以同时获得解的最优性和计算的可行性，须在两者之间进行权衡和折中，一般从以下三方面来考虑： 采用盲目搜索还是启发式搜索：盲目搜索能够找到最优解，但时间复杂度高，难以解决复杂问题；启发式算法不能找到最优解，但时间复杂度符合实际需要。 进行局部搜索还是全局搜索：希望算法能够在局部解集上进行精细的搜索，以免错过最优解；又希望算法在全局范围内进行有效的探测，以免陷入局部最优。 搜索可行解还是最优解：最优解是希望得到的结果/在有限的时间内得到人们可以接受的解 正是由于难以同时满足解的最优性和计算的可行性，因此在评价一个具体搜索算法时，应从以下几方面来综合衡量 完备性：如果问题有解，则使用该搜索算法一定能够找到一个解；反之，则算法是不完备的 最优性：如果问题有最优解，则一定能找到； 复杂性：包括算法的时间复杂性和空间复杂性/希望复杂性小 搜索的种类 盲目搜索：无信息搜索/在搜索过程中，只按预先规定的搜索控制策略进行搜索，而没有任何中间信息来改变这些控制策略/盲目性，效率不高/只适合求解比较简单的问题 启发式搜索：有信息搜索，在搜索求解问题的过程中，根据问题本身的特性或搜索过程中产生的一些信息来不断地改变或调整搜索的方向，使搜索朝着最有希望的方向前进，加速问题的求解，并找到最优解。效率高，易于求解复杂问题/只有部分问题的相关特性和信息可以抽出，因此盲目搜索算法也很常用 5.2 盲目搜索策略 5.2.1 基本搜索策略 5.2.2 宽度优先搜索 5.2.3 深度优先搜索 5.2.4 有界深度优先搜索 5.2.5 代价树宽度优先搜索 5.2.6 代价树深度优先搜索 基本搜索策略 问题表示：状态空间法/{S，F，G}/S:问题所有可能初始状态构成的集合，F:算符集合，G:目标状态集合 根据搜索的定义，对于用状态空间图表示的问题进行搜索求解，就是要在有向图中寻找一条从某一节点(初始状态)到另一节点(目标状态节点)的路径 把问题的整个空间都存入到计算机会占有很大的内存空间，几乎不可实现，也是没有必要的/对于一个具体问题，其解往往与状态空间的一部分相关，只需存储这相关部分 如何来生成和存储与问题相关的部分状态空间呢？——AI中所研究的搜索技术问题 搜索法求解问题的基本思想： 将问题的初始状态当作当前状态; 选择一个合适的字符作用于当前状态，生成一组后继状态 检查这组后继状态有没有目标状态，如果有，搜索成功，从初始状态到目标状态的一系列算符即是问题的解；如果没有，按照某种控制策略，从后续状态中选择一个作为当前状态，转到步骤(2). 扩展：用合适的算符对某个节点进行操作生成一组后续节点的过程。 已扩展节点：已经有后继节点的节点/CLOSED表 未扩展节点：尚未有后继节点的节点/OPEN表 状态空间图的一般搜索算法 建立一个只含有初始节点S0的搜索图G，把S0放入OPEN表中； 建立CLOSED表，且置为空表； 判断OPEN表是否为空，若为空，则问题无解，退出 若OPEN表非空，选择OPEN表中的第一个节点，把它从OPEN表中移出，并放入CLOSED表中，将此节点记为节点n 考察节点n是否为目标节点，若是，则问题有解，成功退出。问题的解是可从图G中沿着指针从n到S0的这条路径找到； 扩展节点n生成一组不是n的祖先的后继节点，并把它们记为集合M，将M中的这些节点作为n的后继节点加入到图G中 对那些未曾在G中出现过的M中的节点，设置一个指向父节点(n节点)的指针，并把这些节点加入到OPEN表中；对于已在G中出现过程的M的节点，确定是否修改指向父节点的指针；对于那些在G中