E约束满足工智能(AI).pptVIP

约束满足问题 (CSP) Constraint Satisfaction Problems (CSP)(对于困难的决策，我们将推迟到它变得容易的时候再做决定)  RN: Chap. 5 我们想做些什么？ 搜索技术通常按照一个任意的次序对可能进行选择，一般很少有效的信息能够帮助如何进行选择 在许多问题中，状态的到达与进行选择的次序无关（“可交换”） ，即采取不同的次序进行选择也一样可以到达同一个状态 那能否通过选定某种适合的选择次序能够更有效的解决这些问题呢？甚至可以避免进行选择？ 约束传播Constraint Propagation 将一个皇后放入到一个方格里 移去所有可能攻击到的方格 Constraint Propagation Constraint Propagation Constraint Propagation Constraint Propagation Constraint Propagation Constraint Propagation Constraint Propagation Constraint Propagation 我们需要些什么？ 后继函数与目标测试 还需要: 通过约束传播（ propagate the constraints ）信息，比如通过对一个皇后位置的约束来影响其他皇后的位置 提前的失败测试（failure test） 约束的清晰表示 约束传播算法 约束满足问题 (CSP) Constraint Satisfaction Problem (CSP) 变量的集合 variables {X1, X2, …, Xn} 每一个变量Xi所有可能的取值，构成该变量的值域Di；通常Di是有限的 约束的集合 constraints {C1, C2, …, Cp} 每个约束描述了一个变量子集与特定的某些值合法的结合对应关系 目标: 每一个变量都得到了一个赋值，且所有的约束得到满足 地图着色问题 8-皇后问题 8 个变量 Xi, i = 1 to 8 每个变量的值域均为: {1,2,…,8} 约束表示为如下形式: Xi = k ? Xj ? k for all j = 1 to 8, j?i 对角线也是相同的约束 Street Puzzle（课本习题5.13） Street Puzzle Street Puzzle Street Puzzle Street Puzzle Street Puzzle 有限CSP vs. 无限CSPFinite vs. Infinite CSP 有限CSP : 每个变量的值域有有限个值 无限CSP : 一些或所有的变量的值域是无限的E.g., 实数线性规划: 本课程只讨论有限CSP CSP 描述为搜索问题 n个变量 X1, ..., Xn 合法赋值 : {Xi1 ? vi1, ..., Xik ? vik}, 0? k ? n, 即取值vi1, ..., vik满足所有与变量Xi1, ..., Xik有关的约束 完全赋值: k由0到n，每个变量都得到了赋值 [变量值域大小为d, 则有O(dn) 种完全赋值] 状态: 合法赋值 初始状态: 空赋值 {}, 即 k = 0，也就是还没有变量得到赋值 状态的后继: {Xi1?vi1, ..., Xik?vik} ? {Xi1?vi1, ..., Xik?vik, Xik+1?vik+1} 目标测试: k = n，即n个变量都得到了赋值 4 变量 X1, ..., X4 令节点N的合法赋值为:  A = {X1 ? v1, X3 ? v3} 以为变量X4取值为例 令X4 的值域为 {v4,1, v4,2, v4,3} A的后继为以下赋值中的合法赋值: {X1 ? v1, X3 ? v3 , X4 ? v4,1 } {X1 ? v1, X3 ? v3 , X4 ? v4,2 } {X1 ? v1, X3 ? v3 , X4 ? v4,3 } 回溯搜索Backtracking Search 本质即使用递归的简化深度优先算法 回溯搜索(3 变量) 回溯搜索(3 变量) 回溯搜索(3 变量) 回溯搜索(3 变量) 回溯搜索(3 变量) 回溯搜索(3 变量) 回溯搜索(3 变量) 回溯搜索(3 变量) 回溯搜索(3 变量) 回溯搜索(3 变量) 回溯搜索(3 变量) 回溯搜索(3 变量) 回溯算法Backtracking Algorithm CSP-BACKTRACKING(A) If assignment A is complete then return A X ? select a variable