人工智能与专家系统第三章.pptVIP

A B D E C 3 2 10 5 4 3 4 7 A B C D C D D E E 2 7 3 4 3 4 10 5 示例 第三节 启发式搜索 一、局部择优搜索法 1、概念 启发式搜索方法，是深度优先搜索法的改进 启发性信息包含在E(x)中 当一个节点被扩展时后，用E(x)对它的每一个子节点进行计算，从中找出E(x)最小的那个节点，作为下一次要扩展的节点 是小范围的局部择优，又称“瞎子爬山法” 深度优先搜索法和代价树的深度优先搜索法是其特例 优点——方法简便，搜索速度快 缺点——只适合单极值问题，是不完备的搜索步骤 2、流程 启动 S0放入OPEN表 OPEN表=NIL 取OPEN表中最前的节点N 放入CLOSED表冠以顺序n N=Sg N可扩展 扩展N，计算每个子节点的E(x)， 按 E(x)大小将子节点依次放入OPEN表前面， 小的在前，为每个子节点配以指向N的返回指针 失败 成功 是 否 是 否 是 否 第三节 启发式搜索 3、示例——重排九宫问题。用局部择优搜索法求解 2 8 3 1 6 4 7 5 1 2 3 8 4 7 6 5 初始状态 目标状态 解： 定义生成器函数——纸牌移入空格的次序是从空格的左边开始，顺时针方向移动，不允许斜向移动，不允许返回 定义评价函数E(x)=h(x)，节点x的格局与目标格局不符合的牌数 第三节 启发