搜索求解策略.PPTVIP

* 5.4.2 启发信息和估价函数 在具体求解中，能够利用与该问题有关的信息来简化搜索过程，称此类信息为启发信息。 启发式搜索：利用启发信息的搜索过程。 5.4.2 启发信息和估价函数 求解问题中能利用的大多是非完备的启发信息： （1）求解问题系统不可能知道与实际问题有关的全部信息，因而无法知道该问题的全部状态空间，也不可能用一套算法来求解所有的问题。 （2）有些问题在理论上虽然存在着求解算法，但是在工程实践中，这些算法不是效率太低，就是根本无法实现。 一字棋：9！，西洋跳棋：1078，国际象棋：10120，围棋：10761。 假设每步可以搜索一个棋局，用极限并行速度（10-104年/步）来处理，搜索一遍国际象棋的全部棋局也得1016年即1亿亿年才可以算完！ * * 5.4.2 启发信息和估价函数 启发信息的分类： （1）陈述性启发信息 （2）过程性启发信息 （3）控制性启发信息 利用控制性的启发信息的情况： （1）没有任何控制性知识作为搜索的依据，因而搜索的每一步完全是随意的。 （2）有充分的控制知识作为依据，因而搜索的每一步选择都是正确的，但这是不现实的。 5.2.2 状态空间的图描述 （状态） （操作算子） 状态空间的有向图描述 * 5.2.2 状态空间的图描述 八数码状态空间图 * 例2 旅行商问题（traveling salesman problem, TSP）或邮递员路径问题。 5.2.2 状态空间的图描述 （家） （单位：km） 可能路径：费用为375的路径（A，B，C，D，E，A） * 5.2.2 状态空间的图描述 旅行推销员状态空间图（部分） ABCDEA 375 A A A A B B C C C C D D D D A E E E E E E E D 路径 : 路径 : 路径 : 路径 : ABCEDA ABDCE AB DECA 费用 : 费用 : 费用 : 费用 : 425 525 475 525 475 375 325 400 400 300 275 275 250 225 150 100 75 125 175 225 250 100 175 225 425 . . . . . . . * * 第5章 搜索求解策略 5.1 搜索的概念 5.2 状态空间知识表示方法 5.3 盲目的图搜索策略 5.4 启发式图搜索策略 5.5 与/或图搜索策略 * 5.3 盲目的图搜索策略 5.3.1 回溯策略 5.3.2 宽度优先搜索策略 5.3.3 深度优先搜索策略 * 5.3.1 回溯策略 带回溯策略的搜索： 从初始状态出发，不停地、试探性地寻找路径，直到它到达目的或“不可解结点”，即“死胡同”为止。若它遇到不可解结点就回溯到路径中最近的父结点上，查看该结点是否还有其他的子结点未被扩展。若有，则沿这些子结点继续搜索；如果找到目标，就成功退出搜索，返回解题路径。 递归过程： 5.3.1 回溯策略 Step Track (DataList)： Data：= First(DataList); if Member(Data, Tail(DataList)) then return FAIL; *回老路退回 if Goal(Data) then return NIL; *达到目的地成功返回 if DeadEnd(Data) then return FAIL; *达到不合理状态，退出 if Length(DataList) Bound then return FAIL; *已到深度限制，退回 Rules：= AppRules(Data); *得出可应用的规则集 Loop：if Null(Rules) then return FAIL; *进入死胡同，退回 R：= First(Rules); *取出第一条可用规则 Rules：= Tail(Rules); Newdata：= Gen(R,Data); *运用规