第4章 图搜索术.pptVIP

第4章 图搜索技术 推理与搜索 各种典型的逻辑推理过程都是一个状态空间图的搜索过程 任一搜索过程也都是一个推理过程 隐式图的搜索过程是一种利用局部性知识构造全局性答案的过程 在各种搜索过程中，人工智能最感兴趣的是那些具有很强选择性的启发式方法，即那些利用很局部的状态空间可以有效地找到问题的解的方法。 机器学习等很多过程都是在假设空间中搜索目标的过程。 第4章 图搜索技术 4.1 状态图知识表示 4.2 状态图搜索 4.3 状态图问题求解 4.4 与或图知识表示 4.5 与或图搜索 4.6 与或图问题求解 4.7 博弈树搜索 4.1 状态图知识表示 4.1.1 状态、操作和状态空间 4.1.2 修道士和野人的状态空间 4.1.3 梵塔问题的状态空间 4.1.4 问题求解的基本框架 4.1.5 重排九宫问题和隐式图 4.1.1 状态、操作和状态空间（1） 状态 （State） 为了描述某一类事物中各个不同事物之间的差异而引入的最少的一组变量q的有序组合。 表示成矢量形式： 4.1.1 状态、操作和状态空间（2） 操作 （Operator） 引起状态中某些分量发生改变，从而使一个具体状态变化到另一个具体状态的作用。 它可以是一个机械性的步骤、过程、规则或算子。 操作描述了状态之间的关系。 4.1.1 状态、操作和状态空间（3） 状态空间（State Space） 问题的状态空间是一个表示该问题全部的可能状态及相互关系的图。 一般用赋值有向图，包含 S：问题的可能有的初始状态的集合； F：操作的集合； G：目标状态的集合。 状态空间常记为三元序列S，F，G 4.1.1 状态、操作和状态空间（4） 状态空间中问题求解 在状态空间表示法中，问题求解过程转化为在图中寻找从初始状态Qs出发到达目标状态Qg的路径问题，也就是寻找操作序列的问题。 状态空间的解为三元组 Qs, a, Qg Qs ：某个初始状态 Qg ：某个目标状态 a：把变换成的有限的操作序列。 4.1.1 状态、操作和状态空间（5） 例2.1 三枚钱币，能否从下面状态翻动三次后出现全正或全反状态。 4.1.1 状态、操作和状态空间（6） 引入一个三元组(q0,q1,q2)来描述总状态，钱币正面为0，反面为1，全部可能的状态为： Q0=(0,0,0) ; Q1=(0,0,1); Q2=(0,1,0) Q3=(0,1,1) ; Q4=(1,0,0); Q5=(1,0,1) Q6=(1,1,0) ; Q7=(1,1,1)。 翻动钱币的操作抽象为改变上述状态的算子， 即F＝{a, b, c} a:把钱币q0翻转一次 b:把钱币q1翻转一次 c:把钱币q2翻转一次 问题的状态空间为{Q5},{Q0 Q7}, {a, b, c} 4.1.1 状态、操作和状态空间（7） 状态空间图 4.1.2 修道士和野人问题的状态空间（1） 例2.2修道士和野人问题。在河的左岸有三个修道士、三个野人河一条船，修道士们想用这条船将所有的人都运过河去，但受到以下条件的限制： （1）修道士和野人都会划船，但船一次最多只能运两个人； （2）在任何岸边野人数目都不得超过修道士，否则修道士就会被野人吃掉。 假定野人会服从任何一种过河安排，试规划出一种确保修道士安全过河方案。 4.1.2 修道士和野人问题的状态空间（2） 解：先建立问题的状态空间。问题的状态可以用一个三元数组来描述： S＝(m, c, b) m：左岸的修道士数 c：左岸的野人数 b：左岸的船数 右岸的状态不必标出，因为： 右岸的修道士数m’＝3－m 右岸的野人数c’＝3－c 右岸的船数b’=1-b 4.1.2 修道士和野人问题的状态空间（3） 4.1.2 修道士和野人问题的状态空间（4） 4.1.2 修道士和野人问题的状态空间（5） 4.1.3 梵塔问题的状态空间（1） 例2.3 一号杆有A、B两个金盘，A小于B。要求将AB移至三号杆，每次只可移动一个盘子，任何时刻B不能在A上。 用二元组（SA，SB）表示状态，SA表示A所在杆号，SB表示B所在杆号，全部状态如下： （1，1），（1，2），（1，3） （2，1），（2，2），（2，3） （3，1），（3，2），（3，3） 4.1.3 梵塔问题的状态空间（2） 4.1.3 梵塔问题的状态空间（3） 转换规则：A（I，j）表示金盘A从第I号杆移到j号杆 B（I，j）表示金盘B从第I