清华大学《人工智能导论》课程电子教案三.pptVIP

高级搜索 主要内容 局部搜索方法 模拟退火算法 遗传算法 优化与组合优化问题 很多问题属于优化问题，或者可以转化为优化问题 如TSP问题，皇后问题 优化问题的描述 设x是决策变量，D是x的定义域，f(x)是指标函数，g(x)是约束条件集合。则优化问题可以表示为，求解满足g(x)的f(x)最小值问题。 如果在定义域D上，满足条件g(x)的解是有限的，则优化问题称为组合优化问题。 算法的时间复杂度 对于组合优化问题，由于其可能的解是有限的，当问题的规模比较小时，总可以通过枚举的方法获得问题的最优解，但当问题的规模比较大时，就难于求解了。 常用的算法复杂度函数 一些难的组合优化问题 旅行商问题 背包问题 装箱问题 ... 寻求在可以接受的时间内得到满意解的方法 邻域的概念 邻域，简单的说就是一个点附近的其他点的集合。 在距离空间，邻域就是以某一点为中心的圆。 组合优化问题的定义： 设D是问题的定义域，若存在一个映射N，使得： 则称N(S)为S的邻域。 例：皇后问题 S={Si}表示一个可能解，其中Si表示在第i行，第Si列有一个皇后。 如四皇后问题的一个解：S=(2, 4, 1, 3) 定义映射N为棋盘上任意两个皇后的所在行或列进行交换，即S中任意两个元素交换位置。 例：当S = (2, 4, 1, 3)时，其邻域为： N(S) = {(4, 2, 1, 3), (1, 4, 2, 3), (3, 4, 1, 2), (2, 1, 4, 3), (2, 3, 1, 4), (2, 4, 3, 1)} 例：旅行商问题 用一个城市的序列表示一个可能的解。 通过交换两个城市的位置获取S的邻居 例：简单交换方法 设S = (x1, x2, …xi-1, xi, xi+1, …, xj-1, xj, xj+1, …, xn) 则通过交换xi和xj两个城市的位置可以得到S的一个邻居： S = (x1, x2, …xi-1, xj, xi+1, …, xj-1, xi, xj+1, …, xn) 例：逆序交换方法 设xi、xj是选取的两个城市，所谓的逆序交换方式是指，通过逆转xi、xj两个城市之间的城市次序来得到S的邻居。 设：S = (x1, x2, …xi-1, xi, xi+1, …, xj-1, xj, xj+1, …, xn) 则：S = (x1, x2, …xi-1, xi, xj-1, x j-2…, xi+1, xj, xj+1, …, xn) 局部搜索算法 基本思想：在搜索过程中，始终向着离目标最接近的方向搜索。 目标可以是最大值，也可以是最小值。 在后面的介绍中，如果没有特殊说明，均假定是最小值。 局部搜索算法（Local Search） 1，随机的选择一个初始的可能解x0∈D，xb=x0，P=N(xb)； 2，如果不满足结束条件，则 3，Begin 4， 选择P的一个子集P，xn为P中的最优解 5， 如果f(xn) f(xb)，则xb ＝ xn，P = N(xb)， 转2；f(x)为指标函数。 6， 否则P = P – P，转2。 7，End 8，输出计算结果 9，结束 例：5城市旅行商问题 设初始的可能解：x0 = (a, b, c, d, e) f(xb) = f(x0) = 38 通过交换两个城市获得领域 P = {(a, c, b, d, e), (a, d, c, b, e), (a, e, c, d, b), (a, b, d, c, e), (a, b, e, d, c), (a, b, c, e, d)} 设每次随机从P中选择一个邻居。 第一次循环 从P中选择一个元素， 假设xn = (a, c, b, d, e), f(xn) = 42, f(xn) f(xb), P = P – {xn} = {(a, d, c, b, e), (a, e, c, d, b), (a, b, d, c, e), (a, b, e, d, c), (a, b, c, e, d)} 第二次循环 从P中选择一个元素， 假设xn = (a, d, c, b, e), f(xn) = 45, f(xn) f(xb), P = P – {xn} = {(a, e, c, d, b), (a, b, d, c, e), (a, b, e, d, c), (a, b, c, e, d)} 第三次循环 从P中选择一个元素， 假设xn = (a, e, c, d, b), f(xn) = 44,