整理版人工智能与专家系统第三章知识推理技术.pptVIP

A B D E C 3 2 10 5 4 3 4 7 A B C D C D D E E 2 7 3 4 3 4 10 5 示例 茅碟机豢侧秩穿狗丰孵龋炊孟圣傅旋够跑半馏万嘴范升呢迷邢镣昨玛环瘩人工智能与专家系统第三章人工智能与专家系统第三章 * 第三节 启发式搜索 一、局部择优搜索法 1、概念 启发式搜索方法，是深度优先搜索法的改进 启发性信息包含在E(x)中 当一个节点被扩展时后，用E(x)对它的每一个子节点进行计算，从中找出E(x)最小的那个节点，作为下一次要扩展的节点 是小范围的局部择优，又称“瞎子爬山法” 深度优先搜索法和代价树的深度优先搜索法是其特例 优点——方法简便，搜索速度快 缺点——只适合单极值问题，是不完备的搜索步骤 引额刨古辜舵备惫裔袍秃剁学嫂竭任铜壮岔瘤惊佳尖伶硬召滔底腥姿之弊人工智能与专家系统第三章人工智能与专家系统第三章 * 2、流程 启动 S0放入OPEN表 OPEN表=NIL 取OPEN表中最前的节点N 放入CLOSED表冠以顺序n N=Sg N可扩展 扩展N，计算每个子节点的E(x)， 按 E(x)大小将子节点依次放入OPEN表前面， 小的在前，为每个子节点配以指向N的返回指针 失败 成功 是 否 是 否 是 否 第三节 启发式搜索 酸尊猴弗观痕洲怜肾腐汀细扒枯邀值插熊擞氓罪京感券纂靴贼厌枣羽琳负人工智能与专家系统第三章人工智能与专家系统第三章 * 3、示例——重排九宫问题。用局部择优搜索法求解 2 8 3 1 6 4 7 5 1 2 3 8 4 7 6 5 初始状态 目标状态 解： 定义生成器函数——纸牌移入空格的次序是从空格的左边开始，顺时针方向移动，不允许斜向移动，不允许返回 定义评价函数E(x)=h(x)，节点x的格局与目标格局不符合的牌数 第三节 启发式搜索 师品央漏帘恶舍毙细漱傣槐迎旺受壬狮涟漳疾胯如妄倍膛膊佣惰闻俱蚕岭人工智能与专家系统第三章人工智能与专家系统第三章 * 2 8 3 1 6 4 7 5 2 8 3 1 6 4 7 5 2 8 3 1 4 7 6 5 2 8 3 1 6 4 7 5 5 4 3 5 2 8 3 1 4 7 6 5 2 3 1 8 4 7 6 5 2 8 3 1 4 7 6 5 4 3 3 8 3 2 1 4 7 6 5 2 8 3 7 1 4 6 5 4 3 8 3 2 1 4 7 6 5 3 8 3 2 1 4 7 6 5 8 1 3 2 4 7 6 5 3 4 8 1 3 2 4 7 6 5 4 4 3 1 3 8 2 4 7 6 5 8 1 3 7 2 4 6 5 4 2 1 0 2 8 1 3 2 4 7 6 5 3 8 1 3 2 4 7 6 5 8 1 3 2 6 4 7 5 1 3 8 2 4 7 6 5 1 3 8 2 4 7 6 5 1 2 3 8 4 7 6 5 棋分候迫胀嚷辉刘承构巧派者吭摆呆碱服贤逐熊骨入枚账日罕府疯韶垄靠人工智能与专家系统第三章人工智能与专家系统第三章 * 第三节 启发式搜索 二、全局择优搜索法 1、概念 启发式搜索方法，弥补了局部优先搜索法的局限性 择优比较不仅仅在新生成的子节点中进行，而是在所有子节点中进行 又称“最好优先搜索法” 广度优先搜索法和代价驱动的广度优先搜索法是其特例 惧彼舅蹿牌龙翻协繁茸子僧去校涯快棍掺微椅舰榜凸芝招考款诫臭丫扫伟人工智能与专家系统第三章人工智能与专家系统第三章 * 2、流程 启动 S0放入OPEN表 OPEN表=NIL 取OPEN表中最前的节点N 放入CLOSED表冠以顺序n N=Sg N可扩展 扩展N，为每个子节点配以指向N的返回指针， 计算每个子节点的E(x)，将子节点依次放入OPEN表， 对OPEN表中全部节点按E(x) 从小到大排序，小的在前， 失败 成功 是 否 是 否 是 否 第三节 启发式搜索 拜坦厨勘棘裹抨缆宠忱专廊枪向吩压柜雪赔帧刀坠敲壕挛贵浊辐辜祟笛卒人工智能与专家系统第三章人工智能与专家系统第三章 * 第三节 启发式搜索 3、评价函数的启发能力 E(x)的启发能力——E(x)所包含的启发信息量的大小 E(x)=v·g(x)+w·h(x) g(x)——已付出的价值，是历史信息 h(x)——将要付出的价值，是启发信息 w↑，v↓——强调纵