人工智能之与或图搜索问题.pptVIP

第二章 与或图搜索问题 2.1 基本概念 与或图是一个超图，节点间通过连接符连接。 K-连接符： 耗散值的计算 k(n, N) = Cn+k(n1, N)+…+k(ni, N) 其中：N为终节点集 Cn为连接符的耗散值 能解节点 终节点是能解节点 若非终节点有“或”子节点时，当且仅当其子节点至少有一能解时，该非终节点才能解。 若非终节点有“与”子节点时，当且仅当其子节点均能解时，该非终节点才能解。 不能解节点 没有后裔的非终节点是不能解节点。 若非终节点有“或”子节点，当且仅当所有子节点均不能解时，该非终节点才不能解。 若非终节点有“与”子节点时，当至少有一个子节点不能解时，该非终节点才不能解。 普通图搜索的情况 f(n) = g(n) + h(n) 对n的评价实际是对从s到n这条路径的评价 与或图: 对局部图的评价 两个过程 图生成过程，即扩展节点 从最优的局部途中选择一个节点扩展 计算耗散值的过程 对当前的局部图从新计算耗散值 AO*算法举例 2.3 博弈树搜索 博弈问题 双人对弈，对垒的双方轮流走步； 信息完备，对垒双方所得到的信息是一样的，不存在一方能看到，而另外一方看不到的情况； 零和，即对一方有利的棋，对另一方肯定是不利的，不存在对双方均有利或均无利的棋，对弈的结果是一方赢，而另一方输，或者双方和棋。 博弈树特点 (1)博弈的初始状态是初始节点； (2)博弈树的“与”节点和“或”节点是逐层交替出现的； (3)整个博弈过程始终站在某一方的立场上，所以能使自己一方获胜的终局都是本原问题，相应的节点也是可解节点，所有使对方获胜的节点都是不可解节点。 分钱币问题 中国象棋 一盘棋平均走50步，总状态数约为10的161次方。 假设1毫微秒走一步，约需10的145次方年。 结论：不可能穷举。 在人工智能中可以采用搜索方法来求解博弈问题，下面就来讨论博弈中两中最基本的搜索方法。  极大极小过程 极大极小过程是考虑双方对弈若干步之后，从可能的走法中选一步相对好的走法来走，即在有限的搜索深度范围内进行求解。 需要定义一个静态估价函数e,以便对棋局的态势做出评估。 极大极小过程的基本思想： (1)当轮到MIN走步的节点时，MAX应考虑最坏的情况（即f(p)取极小值）； (2)当轮到MAX走步的节点时，MAX应考虑最好的情况（即f(p)取极大值）； (3)评价往回倒推时，相应于两位棋手的对抗策略，交替使用（1）和（2）两种方法传递倒推值。 极小极大过程 ?-?剪枝 极大节点的下界为?。 极小节点的上界为?。 剪枝的条件： 后辈节点的?值≤祖先节点的?值时， ?剪枝 后辈节点的? 值≥祖先节点的?值时， ?剪枝 简记为： 极小≤极大， ?剪枝 极大≥极小， ?剪枝 ?-?剪枝（续） ?-?剪枝的其他应用 故障诊断 A B C D 风险投资 0 5 -3 3 3 -3 0 2 2 -3 0 -2 3 5 4 1 -3 0 6 8 9 -3 0 -3 3 -3 -3 -2 1 -3 6 0 3 1 6 0 1 1 极大 极小 a b 注：用□表示MAX，用○表示MIN，端节点上的数字表示它对应的估价函数的值。 极大 极小 极大极小过程是先生成与/或树，然后再计算各节点的估值，这种生成节点和计算估值相分离的搜索方式，需要生成规定深度内的所有节点，因此搜索效率较低。 改进：在博弈树生成过程中同时计算端节点的估计值及倒推值，以减少搜索的次数，这就是α-β过程的思想，也称为α-β剪枝法。 剪枝的概念 : 如果能边生成节点边对节点估值，并剪去一些没用的分枝，这种技术被称为α-β剪枝。 一个α-β剪枝的具体例子，如下图所示。其中最下面一层端节点旁边的数字是假设的估值。 在该图中，L、M、N的估值推出节点F的倒推值为4，即F的β值为4，由此可推出节点C的倒推值≥4。 记C的倒推值的下界为4，不可能再比4小，故C的α值为4。 由节点N的估值推知节点G的倒推值小于≤1,无论G的其它子节点的估只是多少，G的倒推值都不可能比1大。因此，1是G的倒推值的上界，所以G的值≦1 。另已知C的倒推值≥4，G的其它子节点又不可能使C的倒推值增大。因此对G的其它分支不必再搜索，相当于把这些分枝剪去。 由F、G的倒推值可推出节点C的倒推值≥4 ，再由C可推出节点A的倒推值≤4，即A的β值为4。另外，由节点P、Q推出的节点H的倒推值为5，因此D的倒推值?≥5，即D的α值为5。此时，D的其它子节点的倒推值无论是多少都不能使D及A的倒推值减少或增大，所以D的其他分枝被减去，并可确定A的倒推值为4 。以