本章总结第3章图搜索与问题求解.ppt

人工智能 搜索与求解概述（1） 搜索：为了达到某一目标而多次地进行某种操作、运算、推理或计算的过程。也是人们在不知道现成解法的情况下所采用的一种普遍方法。 许多智能活动（包括脑智能和群智能）的过程，甚至几乎所有智能活动的过程，都可以看作或者抽象为一个基于搜索的问题求解过程。 搜索与求解概述（2） 符号智能中的搜索（第3章 图搜索与问题求解） 运用领域知识，以符号推演的方式，顺序地在问题空间（可以表示为某种状态图或者是与或图）上进行，这种搜索也叫图搜索。 模拟人脑分析问题、解决问题的过程而实现的搜索和问题求解技术。比如启发式搜索算法A和A*. 计算智能中的搜索（第4章 基于遗传算法的随机优化搜索） 以计算的方法，随机地在问题的解空间中进行 模拟和借鉴某些自然现象或生命现象而实现的搜索和问题求解技术。比如模拟退火算法、遗传算法、免疫算法、蚁群算法、粒群算法等 蚁群算法(ant colony optimization, ACO) 又称蚂蚁算法，是一种用来在图中寻找优化路径的机率型技术。它由Marco Dorigo于1992年在他的博士论文中引入，其灵感来源于蚂蚁在寻找食物过程中发现路径的行为。蚁群算法是一种模拟进化算法,初步的研究表明该算法具有许多优良的性质.针对PID控制器参数优化设计问题,将蚁群算法设计的结果与遗传算法设计的结果进行了比较,数值仿真结果表明,蚁群算法具有一种新的模拟进化优化方法的有效性和应用价值. 蚁群算法是一种求解组合最优化问题的新型通用启发式方法，该方法具有正反馈、分布式计算和富于建设性的贪婪启发式搜索的特点。 模拟退火算法（Simulate Anneal Arithmetic，SAA） 退火：是把工件放在炉中缓慢加热到临界点以上的某一温度，保温一段时间，随炉缓慢冷却下来的一种热处理工艺。目的是使金属内部组织达到或接近平衡状态，获得良好的工艺性能和使用性能 。  模拟退火算法（Simulate Anneal Arithmetic，SAA）是一种通用概率演算法，用来在一个大的搜寻空间内找寻命题的最优解。模拟退火是S.Kirkpatrick, C.D.Gelatt和M.P.Vecchi在1983年所发明的，是解决TSP问题的有效方法之一。 第3章 图搜索与问题求解 推理与搜索 图搜索技术是人工智能的核心技术之一。 任一搜索过程也都是一个推理过程。 隐式图的搜索过程是一种利用局部性知识构造全局性答案的过程。 在各种搜索过程中，人工智能最感兴趣的是那些具有很强选择性的启发式方法，即那些利用很局部的状态空间可以有效地找到问题的解的方法。 机器学习等很多过程都是在假设空间中搜索目标的过程。 第3章 图搜索与问题求解 3.1 状态图知识表示 (3.2.1) 3.2 状态图搜索 (3.1) 3.3 与或图知识表示 (3.4.1) 3.4 与或图搜索 (3.3) 3.5 博弈树搜索 3.1.1 状态图知识表示 3.1 问题的状态图表示（教材3.2.1） 例3.7：迷宫问题的状态图表示 补充例1：翻钱币问题的状态图表示 补充例2：修道士和野人的状态图表示 例3.8：八数码难题的状态图表示 例3.9：梵塔问题的状态图表示 例3.10 旅行商问题的状态图表示 总结：问题求解的基本框架 3.1.1问题的状态图表示（1） 例3.1走迷宫 3.1.1 问题的状态图表示（2） 3.1.1 问题的状态图表示（3） 状态（State）P62 问题在任一确定时刻的状况，它表征了问题特征和结构等。 状态一般用一组数据表示，在程序中用字符、数字、记录、数组、结构、对象等表示 表示成矢量形式：一组变量q的有序组合 状态在状态图中表示为节点。 3.1.1 问题的状态图表示（4） 状态转换规则（操作 operator） 能使问题状态改变（从一个具体状态变化到另一个具体状态）的某种操作、规则、行为、变化、关系、函数、算子、过程等。 问题的状态只能通过状态转换规则而改变。 状态转换规则在状态图中表示为边。在程序中状态转换规则可用数据对、条件语句、规则、函数、过程等表示。 3.1.1 问题的状态图表示（5） 状态空间（State Space） 问题的状态空间是一个表示该问题全部的可能状态及相互关系的构成的空间，称为状态空间图或状态图。 状态图一般用一个三元组表示，记为： （S，F，G） S：问题的可能有的初始状态的集合； F：问题的状态转换规则（操作）的集合； G：问题的目标状态的集合。 3.1.1 问题的状态图表示（6） 状态空间中问题求解 在状态空间表示法中，问题求解过程转化为在图中寻找从初始状态S0出发到达目标状态Sg的路径问题，