人工智能课件-搜索问题-2.pptVIP

第一部分 问题求解;第二部分 知识表示与推理 ;第三部分 人工智能高级专题;;;前面用初始状态、后继函数、目标测试和路径耗散来表示问题，这种形式化表示是合理的，不过它忽略了现实世界的许多方面，去除表示中细节的过程被称为抽象化，而去除表示中细节的描述称为问题形式化。;问题实例;7;标准的形式化如下： 状态；描述了指定8个棋子中的每一个以及空位在棋盘的9个方格上的分布。 初始状态：任何状态都可以指定为初始状态。注意要到达任何一个给定的目标，可能的初始状态中恰好只有一半可以作为初始状态。 后继函数：用来产生通过四个行动（把空位向Left，right,Up或Down)能够达到的合法状态。 目标测试：用来检测状态是否是目标状态。 路径耗散：设每一步的耗散值是1因此整个路径的耗散值是路径中的步数。 这里的抽象化只保留了游戏规则相关的描述，而忽??所有物理操作的细节。;八数码游戏属于滑快问题家族，这类问题经常被用作AI中新的搜索算法的测试问题。这类一般问题已知为NP完全问题，因此对这类问题不要期望在最坏情况下找到好于我们后面要讲述的算法。八数码游戏共有9！/2=181440个可达到的状态，这是很容易求解的。15数码问题则大约有1.3万亿个状态，用最好的搜索算法最优化地求解一个随机的实例需要几毫秒。24数码游戏则大约有1025个状态，用目前的机器和最优化算法求解随机的实例仍是相当困难的。 四皇后问题在一个4×4的国际象棋棋盘上，一次一个地摆布四枚皇后棋子，摆好后要满足每行、每列和对角线上只允许出现一枚棋子，即棋子间不许相互俘获。如图其中a，b满足目标条件，c，d，e为不合法状态，即不可能构成满足目标条件的中间势态。;四皇后问题的几个状态;增量形式化如下： 状态：把0到4个皇后放棋盘上的任何安排都是一个状态。 初始状态；棋盘上没有皇后。 后继函数；把一个皇后添加到棋盘上的任何空格。 目标测试：4个皇后都在棋盘上，并且互相攻击不到。 在这个形式化中，我们需要调查16X15X14X13个可能的序列。更好的形式化方法是禁止把一个皇后放到任何可能被攻击的格子里： 状态：摆放n个皇后(0?n?4)的安排，要求最左侧n列里每一列一个皇后，保证没有一个皇后能攻击另一个。 后继函数：把一个皇后添加到最左侧空列的任何格子内，只要该格子未被其他皇后攻击。这样的形式化把四皇后问题的状态空间从4万多降到3。;如果是八皇后呢？ 在这个形式化中，需要调查64X63X…X57? 3X1014个状态 状态：摆放n个皇后(0?n?8)的安排，要求最左侧n列里每一列一个皇后，保证没有一个皇后能攻击另一个。 后继函数：把一个皇后添加到最左侧空列的任何格子内，只要该格子未被其他皇后攻击。这样的形式化把四皇后问题的状态空间从3X1014降到2057，解就容易找到了。对于100个皇后，初始的形式化约有10400个状态，而用改进的形式化方法约有1052个状态这是一个相当大的缩减，但是仍然太大。我们以后将给出一个简单算法，可以处理百万皇后问题。;现实世界问题;商业旅行建议系统使用了这种问题形式化的方法，同时要考虑很多附加的复杂因素以应付航空公司强加的繁复的收费结构。然而，任何经常作飞机的乘客都知道并不是所有的飞行旅行都能够按计划顺利进行。好的系统应该包括应急计划。 旅行问题与寻径问题有很近的关系，但是有很重要的不同。例如多个城市之间的旅行问题，从长春出发到其他19个城市中的每一个至少一次最后在回到出发地这样一个问题。如寻径一样，行动还是对应临近城市之间的旅行。然而，状态空间就不一样了。每个状态不仅必须包括当前所在的位置，还必须包括已经访问过的城市。因此初始状态可能是“in长春;visited{长春}，一个中间状态可能是”in上海； visited{长春，沈阳、上海}“，而目标测试应该是检测是否在长春并且已经访问过所有的20个城市。其他实际问题;;Oradea;下图显示了为寻找从Arad到Bucharest的路径对搜索树进行的某些扩展;Arad;Arad;非形式化算法Tree-Search;搜索树中节点的表示有多种方式，不过我们可以假设节点是一个包含五个要素的数据结构： 状态：状态空间中与该方法相对应的格局； 父节点：搜索树中生成该节点的节点； 行动：由父节点产生该节点所采取的操作； 路径耗散（成本）：从初始状态到该节点的路径耗散，一般记为g(n)，路径有父指针表示； 深度：从根节点到该节点所经路径上的步数。;7;度量问题求解的性能;时间和空间的复杂性度量往往要与问题难度的某种度量一起考虑，在理论计算机科学中，一个典型的度量是状态空间的大小。因为状态空间图被视为要输入到搜索程序的显示数据结构。在AI 中，状态空间图是由初始状态和后继函数隐含地表示的，经常是无限的，它的复杂度根据下列三个