人工智能(三)搜索策略.pptVIP

* 爬山法(Hill Climbing) 爬山法的主要求解步骤: n:=S; Loop: IF GOAL(n) THEN EXIT(SUCCESS); EXPAND(n) ?{mi}, 计算h(mi),nextn := m(min h(mi)的节点); IF h(n) h(nextn) THEN EXIT(FAIL); n := nextn; Go Loop; 说明:爬山法的启发式评估函数: f(n)=h(n) 即只关心当前节点与目标(或”山顶”)之间的高度(或距离)大小.例如,”八数码游戏”便可以用爬山法来求解,此时h(n)=w(n), 即用不在位将牌数来表示当前节点与目标之间的距离”差异”. * 分支界限法(Branch Bound) 启发式评估函数：f(n) = g(n) 优先扩展具有最小耗散值的分支路径，不考虑h(n),即h(n)=0 引入队列表：QUEUE，在QUEUE中存放当前已有从初始节点S出发的所有分支（或局部路径），如S-…-n,其中末节点n为搜索树的叶子节点。 在搜索时，优先扩展排在QUEUE队列表前面的分支的叶节点， QUEUE表中各分支依据g(n)的值从小到大排列。 * 分支界限法(Branch Bound) QUEUE := (S-S), g(S) = 0; Loop: IF QUEUE=( ) THEN EXIT(FAIL); PATH := FIRST(QUEUE), n := LAST(PATH); IF GOAL(n) THEN EXIT(SUCCESS); EXPAND(n) ?{mi}, 计算g(mi)=g(n,mi),REMOVE(S-n, QUEUE), ADD(S-mi,QUEUE); 排序：QUEUE中局部路径g值最小的排在最前面； Go Loop; * 城市地图网旅行问题----利用分支界限法来求解 S D A E B C F t 4 3 2 4 5 4 5 4 3 * 利用分支界限法求解旅行问题的搜索树 S A D B D A E C E E B B F D F B F A C t g=0 g=3 g=4 g=7 g=8 g=9 g=6 g=11 g=12 g=10 g=13 g=11 g=10 g=14 g=16 g=15 g=14 g=15 g=15 g=13 S D A E B C F t 4 3 2 4 5 4 5 4 3 * 动态规划法(Dynamic Programing) -----具有动态规划原理的分支界限法 -----从QUEUE队列中去掉了多余的路径 可提高搜索的效率 方法：选取S ?m的具有最小耗散值的路径，其余S ?m的路径均可删去。 * S m t 初始节点 目标节点 选取S ?m的具有最小耗散值的路径，其余S ?m的路径均删去 中间节点 * 动态规划法(Dynamic Programing) 过程：Dynamic-Programing QUEUE:=(S-S), g(S):=0; Loop: IF QUEUE=( ) THEN EXIT(FAIL); PATH:=FIRST(QUEUE), n:=LAST(PATH); IF GOAL(n) THEN EXIT(SUCCESS); EXPAND(n) ?{mi}, 计算g(mi)=g(n,mi),REMOVE(S-n, QUEUE), ADD(S-mi,QUEUE); 排序：若QUEUE中有多条到达某一公共节点的路径，则只保留耗散值最小的那条路径，其余均删去，然后重新排序，QUEUE中局部路径g值最小的排在最前面； Go Loop; * S A D B D A E C E t B F g=0 g=3 g=4 g=7 g=8 g=9 g=6 g=11 g=12 g=11 g=10 动态规划法搜索树 S D A E B C F t 4 3 2 4 5 4 5 4 3 * 动态规划法具体应用领域 “GIS地理信息系统” “GPS定位系统” “旅行问题” “调度问题” “网络优化问题” “寻找最短路径” 其它 * 最佳图搜索法A*（Optimal Search) 其中： 启发式评估函数：f(n) = g(n) + h(n) h*(n) 是路径n?t的实际耗散值 在最佳图搜索A*策略中，要求路径n?t的估计耗散值h(n) ≤ n?t的实际耗散值，即须满足h(n) ≤ h*(n)。此时算法A（即好的优先）就变成了最佳图搜索方法A*；当问题有解时，可以找到最佳解。 好的优先算法A h(n) ≤ h*(n) + A*方法 算法A 分支界限法 动态规划法 * 关于最佳图搜索法A* 特殊实例一：h(n)≡0，则A*一定能找到最佳解，如分支界限法和动态规划法 特殊实例二：h(n)