人工智能课件第2章1.pptVIP

2.1.2 问题特征分析 例2.4 积木问题──机器人规划的抽象模型 积木问题关心的是积木块的相对位置：某一积木在桌上或某一积木在另一积木上。机器人只能一次拿一块积木，每次搬动时积木上面必须是空的。 2.1.2 问题特征分析 2.1.2 问题特征分析 例2.4 积木问题 积木的相对位置可用谓词表示为： 初始状态： ontabel(B)∧clear(B) ∧ ontabel(A) ∧ on(C,A) ∧ clear(C) 目标状态： ontabel(C)∧on(B, C)∧on(A, B) 2.1.2 问题特征分析 例2.4 积木问题 其中目标状态可分解为： 子问题1: ontabel(c) 子问题2: on(B, C) 子问题3: on(A, B) 2.1.2 问题特征分析 例2.4 积木问题 机器人所需完成的操作： OP1：clear(x)→ontabel(x) 无论x在何处，若x上无物体，则可将x放于桌上 OP2：clear(x)∧clear(y)→On(x, y) 若x，y上无物体，则可将x放在y上 2.1.2 问题特征分析 这个问题的求解方法有两种： 一种方法是采用全面搜索的方法； 一种是用分解子问题的方法。 从目标来看，总问题可分解成三个子问题，但这三个子问题不能按任意次序求解。 2.1.2 问题特征分析 但若从初态出发, 将on(A, B)作为子问题1 首先求解，这样会使搜索离目标越来越远。 2.1.2 问题特征分析 对于子问题的之间的关系, 实际上有两种:一种为子问题之间是独立的, 其搜索路径为: 2.1.2 问题特征分析 另一种是子问题之间有依赖关系, 其搜索路径为: 2.1.2 问题特征分析 2．问题求解步骤是否可撤回？ 在问题求解的每一步骤完成后，分析一下它的“踪迹”，可分为： （1）求解步骤可忽略，如定理证明，证明定理的每一件事情都为真或者为假，且总是保存知识库里，它是怎样推出来的对下一步并不重要，因而控制结构不需要带回溯。 2.1.2 问题特征分析 （2）可复原 如走迷宫，实在走不通，可退回一步重来。这种搜索需用回溯技术,例如: 需用一定的控制结构； 需采用堆栈技术。 2.1.2 问题特征分析 （3）不可复原 如下棋、决策等问题，要提前分析每走一步后会导致的结果。不可回头重来,这需要使用规划技术。在后面的第十章还要讨论这个问题。 2.1.2 问题特征分析 3．问题全域可预测否？ 有些问题它的全域可预测，如水壶问题、定理证明, 这些问题结局肯定，可只用开环控制结构。 有些问题的全域不可预测，如变化环境下机器人的控制，特别是危险环境下工作的机器人随时可能出意外，必须利用反馈信息，应使用闭环控制结构。 2.1.2 问题特征分析 4．问题要求的是最优解还是较满意解？ 一般说来，最佳路径问题的计算较任意路径问题的计算要困难。如果使用的启发式方法不理想，那么对这个解的搜索就不可能很顺利。有些问题要求找出真正的最佳路径，可能任何启发式法都不能适用。因此，得进行耗尽式搜索， 2.2 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。 2.2 盲目的搜索方法 2.2.1 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。 2.2 盲目的搜索方法 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。 2.2 盲目的搜索方法 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。 2.2 盲目的搜索方法 2.2.2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。 2.2 盲目的搜索方法 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。 2.