人工智能 3课件.pptVIP

分析实例 实例分析 实例分析 S(3,3,1) S(3,3,3) 小结 – 问题求解方法比较 状态空间法 问题空间法 问题求解 状态变换 问题分解 搜索过程 隐含构建普通有向图 隐含构建与或图 节点 状态 问题 边 状态变换规则（算子） 问题分解规则（算子） 求解 解径 解图 搜索策略 一、状态空间的搜素策略 二、与或树的搜索策略 状态空间的搜索策略 与/或树的搜索策略 什么是搜索 1、搜索引起：人工智能所要解决的问题大部分是结构不良或非结构化的问题，对这样的问题一般不存在成熟的求解算法可供利用，而只能是利用已有的知识一步步地摸索着前进。在此过程中，存在着如何寻找可用知识的问题，即如何确定推理路线，使其付出的代价尽可能的少，而问题又能得到较好的解决。 2、搜索：根据问题的实际情况不断寻找可利用的知识，从而构造一条代价较少的推理路线，使问题得到圆满解决的过程称为搜索。 搜索分类：分为盲目搜索和启发式搜索。 A、盲目搜索：是按预定的控制策略进行搜索，在搜索过程中获得的中间信息不用来改进控制策略。由于搜索总是按预先规定的路线进行，没有考虑到问题本身的特性，所以这种搜索具有盲目性，效率不高，不便于复杂问题的求解。常用的盲目搜索算法:广度优先搜索策略、宽度优先搜索策略 B、启发式搜索：是在搜索中加入了与问题有关的启发性信息，用以指导搜索朝着最有希望的方向前进，加速问题的求解过程并找到最优解。 （显然，启发式搜索优于盲目搜索。但由于启发式搜索需要具有与问题本身特性有关的信息，而这并非对每一类问题都可方便地抽取出来，因此盲目搜索仍不失为一种应用较多的搜索策略。） 一、状态空间的一般搜索过程 一个复杂问题的状态空间一般都是十分宠大的。若把它们都存储到计算机中去，需占用巨大的存储空间。另一方面，对一个确定的具体问题来说，与解题有关的状态空间往往只是整个状态空间的一部分，因此只要能生成并存储这部分状态空间就可求得问题的解。对一个具体问题，如何生成它所需要的部分状态空间从而实现对问题的求解呢？ 1、基本思想： A、把问题的初始状态（即初始节点）作为当前状态； B、选择适用的算符对其进行操作，生成一组子状态（或称后继状态、后继节点、子节点）； C、然后检查目标状态是否在其中出现。若出现，则搜索成功，找到了问题的解；若不出现，则按某种搜索策略从已生成的状态中再选一个状态作为当前状态； D、重复B、C，直到目标状态出现或者不再有可供操作的状态及算符时为止。 一、广度优先搜索 1、基本思想： 从初始节点S0开始，逐层地对节点进行扩展并考察它是否为目标节点，在第n层的节点没有全部扩展并考察之前，不对第n+1层的节点进行扩展。 常用的盲目搜索算法:广度优先搜索策略、宽度优先搜索策略 例：重排九宫问题。在3×3的方格棋盘上放置分别标有数字1,2,3,4,5,6,7,8的八张牌，初始状态为S0，目标状态为Sg，如图所示。可使用的算符有：空格左移，空格上移，空格右移，空格下移。即，它们只允许把位于空格左，上，右，下边的牌移入空格。要求寻找从初始状态到目标状态的路径。 由图3可以看出，解的路径是S0——3——8——16——26。 广度优先搜索的优劣： ①缺点：盲目性较大，当目标节点距离初始节点较远时将会产生许多无用节点，搜索效率低。 ②优点：只要问题有解，用广度优先搜索总可以得到解，而且得到的是路径最短的解。 二、深度优先搜索： 1、基本思想： 从初始节点S0开始扩展，若没有得到目标节点，则选择最后产生的子节点进行扩展，若还是不能到达目标节点，则再对刚才最后产生的子节点进行扩展，一直如此向下搜索。当到达某个子节点，且该子节点既不是目标节点又不能继续扩展时，才选择其兄弟节点进行考察。 例3：重排九宫问题进行深度优先搜索。 （图中只是搜索树的一部分，尚未到达目标节点，仍可继续往下搜索。） 深度优先搜索的特点： 在深度优先搜索中，搜索一旦进入某个分支，就将沿着该分支一直向下搜索。如果目标节点恰好在此分支上，则可较快地得到解。但是，如果目标节点不在此分支上，而该分支又是一个无穷分支，则就不可能得到解。所以深度优先搜索是不完备的，即使问题有解，它也不一定能求得解。另外，用深度优先搜索求得的解，不一定是路径最短的解。 二、 与／或树的搜索策略 一、与／或树的一般搜索过程： 1、概念 对于一个“与”节点：只有当其子节点全部为可解节点时，它才为可解节点，只要子节点中有一个为不可解节点，它就是不可解节点。 对与一个“或”节点：只要子节点中