人工智能课件-3-搜索的基本策略.pptVIP

第3章 搜索的基本策略 3.1 盲目的搜索方法 盲目搜索方法又叫非启发式搜索，是一种无信息搜索，一般只适用于求解比较简单的问题。下面我们要讨论的几个搜索方法，它们均属于盲目搜索方法。 3.1.1 宽度优先搜索 如果搜索是以同层邻近节点依次扩展节点的, 那么这种搜索就叫宽度优先搜索,这种搜索是逐层进行的, 在对下一层的任一节点进行搜索之前,必须搜索完本层的所有节点。 3.1.1 宽度优先搜索 宽度优先搜索算法如下: 1. 令N为一个由初始状态构成的表； 2. 若N为空退出，标志失败； 3. 令n为N中第一个点，将n从N中删除； 4. 若n是目标，则退出，标态成功； 5. 若n不是目标，将n的后继点加入到N表的尾部，转2。 3.1.1 宽度优先搜索 宽度优先搜索的优点是：若问题有解，则可找出最优解; 宽度优先搜索的缺点是:效率低，组合爆炸问题难以解决。 3.1.2 深度优先搜索 在深度优先搜索中，我们首先扩展最新产生的（即最深的）节点。深度相等的节点可以任意排列。 3.1.2 深度优先搜索 深度优先搜索算法如下: 1. 令N为一个由初始状态构成的表； 2. 若N为空退出，标态失败； 3. 令n为N中第一个点，将n从N中删除； 4. 若n是目标，则退出，标态成功； 5. 若n不是目标，将n的后继加入到N表的首部转2。 3.1.2 深度优先搜索 深度优先搜索的优点：节省大量时间和空间； 深度优先搜索的缺点：不一定能找到解。因为在无限搜索树的情况下，最坏的情况可能是不停机。 3.1.3 分枝有界搜索（Branch-and-Bound） 分枝有界搜索也是一种深度优先搜索，但每个分支都规定了一个统一的搜索深度，搜索到这个深度后，如果没有找到目标便自动退回到上一层，继续搜索。 3.1.3 分枝有界搜索 1. 令N为一由初始状态构成的表； 2. 若N为空退出，标志失败； 3. 令n为N中第一个点，将n从N中删除； 4. 若n是目标，则退出，标态成功； 5. 若n深度=预先定好的一个界dmax，则转2； 6. 若n不是目标，将n的后继加入到N表的首部转2； 3.1.4 迭代加深搜索（Iterative deepening） 迭代加深搜索是在分枝有界搜索的基础上，对dmax进行迭代，即逐步加深。这是一种同时兼顾深度和广度的搜索方法。在限定的深度内，保证了对广度节点的搜索，如果没有找到解，再加深深度。 3.2 启发式搜索方法 如果能够找到一种方法用于排列待扩展节点的顺序，即选择最有希望的节点加以扩展，那么，搜索效率将会大大提高。启发式搜索就是基于这种想法,它是深度优先的改进。搜索时不是任取一个分枝，而是根据一些启发式信息，选择最佳一个分枝或几个分枝往下搜索。 3.2.1 启发式信息的表示 1．启发式搜索的依据 （1）人们善于利用一些线索来帮助自己选择搜索方向，这些线索统称为启发式(Heuristics)信息。 （2）现实问题往往只需一个解，而不要求最优解或全部解。 （3）启发式信息可以避免某些领域里的组合爆炸问题。 3.2.1 启发式信息的表示 启发信息按其形式可分为下列2种： （1）表示为估计函数 确定一个启发式函数f(n), n 为被搜索的节点,它把问题状态的描述映射成问题解决的程度，通常这种程度用数值来表示，就是启发式函数的值。这个值的大小用来决定最佳搜索路径。 3.2.1 启发式信息的表示 （2）表示成规则 如程序AM的一条启发式规则为： 如果存在一个有趣的二元函数f(x,y)，那么看看两变元相同时会发生什么？ 若f表示乘法：导致发现平方； 若f表示集合并运算：导致发现恒等函数； 若f表示思考：导致发现反省； 若f表示谋杀：导致发现自杀。 3.2.1 启发式信息的表示 2．启发式函数的表示方法 启发式函数是一种映射函数，它把对问题状态的描述映射成一种希望的程度。 启发式函数设计得好，对有效引导搜索过程有着重要的作用。非常简单的启发式函数搜索路径能够作出非常令人满意的估计。 3.2.1 启发式信息的表示 如何构造启发式函数？ （1）启发式函数能够根据问题的当前状态，确定用于继续求解问题的信息。 这样的启发式函数能够有效地帮助决定那些后继节点应被产生。 3.2.1 启发式信息的表示 3.2.1 启发式信息的表示 各状态间的转换规则为： Pr1: 空格上移 ↑ If □i，j and i≠1 then ai-1,j ←→□i，j ? Pr2: 空格下移 ↓ If □i，j and i≠3 then aI+1,j ←→□i，j 3.