人工智能 AI讲稿5.ppt

人工智能（Artificial Intelligence）基本原理;第六章 搜索策略;搜索的含义 依问题的实际情况寻找可利用的知识，构造代价较少的推理路径从而解决问题的过程 离散的问题通常没有统一的求解方法 搜索策略的优劣涉及能否找到最好的解、计算时间、存储空间等 搜索分为盲目搜索和启发式搜索 盲目搜索：按预定的策略进行搜索，未用问题相关的或中间信息改进搜索。效率不高，难求解复杂问题，但不失可用性 启发式搜索：搜索中加入问题相关的信息加速问题求解，效率较高，但启发式函数不易构造 讨论的问题 有哪些常用的搜索算法? －问题有解时能否找到解?(完备性) 找到的解是最佳的吗？(最优性) － 什么情况下可以找到最佳解？ 求解的效率如何?（时间、空间复杂度）;状态空间表示法 状态：描述问题求解中任一时刻的状况；变量的有序组合 算符：一个状态→另一状态的操作 状态空间：{状态，算符} 表示 ,描述形式＋算符 问题求解过程： 初始状态：描述问题求解中的初始状况 算符：一个状态→另一状态的操作 目标测试：确定给定的状态是否为目标状态 路径耗散函数：设定每一步算符操作的耗散值 问题的解：从初始状态到目标状态的路径 最优解：所有解中耗散值最小的解 ;例：二阶梵塔问题;猴子摘香蕉问题;操作符： Goto(u):猴子走到u处 (w,t,x,y,0) → (u,t,x,y,0) Push(v):猴子推箱到v处 (w,t,w,0,0) →(v,t,v,0,0) Climb: 猴子爬上箱子 (w,t,w,0,0) →(w,t,w,1,0) Grasp: 猴子拿到香蕉 (a,a,a,1,0) →(a,a,a,1,1) ;例：修道士与野人问题(1968) S0：河左岸有3个Missionaries和3个Cannibals,1条boat 条件：1）M和C都会划船，船一次只能载2人 2）在任一岸上，M人数不得少于C的人数，否则被吃 目标：安全抵达对岸;(3,3,1);例：皇后问题;2 8 3 1 6 4 7 5;例：TSP问题 Traveling Salesman Problem;与/或树表示法（分解，分治）;例：三阶梵塔问题;本原问题:不可分解，直接可解的问题 端节点：无子节点的节点 终止节点：本原问题对应的节点，可解 可解/不可解节点：端节点，或节点，与节点 解树：始节点（可解）＋可解节点;若干应用实例;一般图的搜索过程;1）S0→OPEN，S0→G0， 2）OPEN=Nil→无解；否则 3）OPEN的第一个节点→CLOSED，记为n 4）节点n=目标→得解；否则 5）扩展节点n, M={n扩展出的子节点－n 的先辈}；G n-1∪M →G n 6)处理M，? x∈M,考虑 ① if x ? G n-1 ,x → OPEN; ② if x∈ G n-1(已生成过),判断x的父节点是否需改变（依代价） ③ if x∈ G n-1 AND x∈CLOSED(已扩展过), 判断x的后继节点的父指针是否需改变 7）按某种搜索策略对OPEN表排序 ①队列方式(FIFO)：广度优先; ②堆栈方式（LIFO）：深度优先 8）转2）;已扩展 (∈ CLOSED ) 已生成，未扩展(∈OPEN);已扩展 (∈ CLOSED ) 已生成，未扩展(∈OPEN);已扩展 (∈ CLOSED ) 已生成，未扩展(∈OPEN);已扩展 (∈ CLOSED ) 已生成，未扩展(∈OPEN);1）不同的搜索策略只是OPEN表的排序不同，过程类似 2）G称为搜索图，由节点及其父指针→搜索树 3）目标找到后，其路径由逐级上行的父指针构成 4）盲目搜索仅适用于树结构，不出现图搜索中6）②③;路径的代价（耗散值） 一条路径的代价（耗散值）等于连接这条路径各节点间所有代价（耗散值）的总和。用C(xi, xj)表示从父节点xi到子节点xj的边代价（耗散值） 。 代价树：边上标有代价的树状结构图 若干记号： S0－初始态；Sg－目标态； g(x)－从S0到节点x的代价；g(xj)=g(xi)+ C(xi, xj) h(x)－x到Sg最优路径的估计代价;广度优先搜索;广度优先搜索;深度优先搜索;深度优先搜索;广度优先搜索效率分析;深度优先搜索的性质;有界深度优先搜索（迭代深入）;( );( );( );( );( );( );( );( );( );( );( );( );( );例：找一条从A到E的最短路径;例：找一条从A到E的最短路径;例：找一条从A到E的最短路径;启发式