人工智能算法综述.pdfVIP

人工智能算法综述 人工智能算法大概包括五大搜索技术，包括一些早期的搜索技术或用于解决比较简 单问题的搜索原理和一些比较新的能够求解比较复杂问题的搜索原理，如遗传算法 和模拟退火算法等。 1、盲目搜索 盲目搜索又叫做无信息搜索，一般只适用于求解比较简单的问题。包括图搜索策 略，宽度优先搜索和深度优先搜素。 1、图搜索（GRAPH SERCH）策略是一种在图中寻找路径的方法。在有关图的表 示方法中，节点对应于状态，而连线对应于操作符。 2 、如果搜素是以接近其实节点的程度依次扩展节点的，那么这种搜素就叫做宽度 优先搜素（breadth-first search 。 3 、深度优先搜索属于图算法的一种,英文缩写为DFS 即Depth First Search.其过程 简要来说是对每一个可能的分支路径深入到不能再深入为止,而且每个节点只能访 问一次。 二、启发式搜索 盲目搜索的不足之处是效率低，耗费过多的时间和空间。启发信息是进行搜索技术 所需要的一些有关具体问题的特性的信息。利用启发信息的搜索方法叫做启发式搜 索方法。 启发式搜索就是在状态空间中的搜索对每一个搜索的位置进行评估，得到最好的位 置，再从这个位置进行搜索直到目标。这样可以省略大量无谓的搜索路径，提高了 效率。在启发式搜索中，对位置的估价是十分重要的。采用了不同的估价可以有不 同的效果。 3、博弈树搜索 诸如下棋、打牌、竞技、战争等一类竞争性智能活动称为博弈。博弈有很多种， 我们讨 论最简单的二人零和、全信息、非偶然博弈，其特征如下： (1对垒的MAX、MIN双方轮流采取行动，博弈的结果只有三种情况：MAX方 胜，MIN方败；MIN方胜，MAX方败；和局。 (2在对垒过程中，任何一方都了解当前的格局及过去的历史。 (3任何一方在采取行动前都要根据当前的实际情况，进行得失分析，选取 对自已为最有利而对对方最为不利的对策，不存在掷骰子之类的碰运气因素。 即双方都是很理智地决定自己的行动。 在博弈过程中，任何一方都希望自己取得胜利。因此，当某一方当前有多个 行动方案可供选择时，他总是挑选对自己最为有利而对对方最为不利的那个行动 方案。此时，如果我们站在MAX方的立场上，则可供MAX方选择的若干行动方案 之间是或关系，因为主动权操在MAX方手里，他或者选择这个行动方案，或者 选择另一个行动方案，完全由MAX方自已决定。当MAX方选取任一方案走了一步 后，MIN方也有若干个可供选择的行动方案，此时这些行动方案对MAX方来说它 们之间则是与关系，因为这时主动权操在MIN方手里，这些可供选择的行动方 案中的任何一个都可能被MIN方选中，MAX方必须应付每一种情况的发生。 这样，如果站在某一方(如MAX方，即MAX要取胜，把上述博弈过程用图表 示出来，则得到的是一棵与或树。描述博弈过程的与或树称为博弈树，它有如 下特点： (1博弈的初始格局是初始节点。 (2在博弈树中，或节点和与节点是逐层交替出现的。自己一方扩展的 节点之间是或关系，对方扩展的节点之间是与关系。双方轮流地扩展节点。 (3所有自己一方获胜的终局都是本原问题，相应的节点是可解节点；所有 使对方获胜的终局都认为是不可解节点。 四、遗传算法 遗传算法（Genetic Algorithm）是一类借鉴生物界的进化规律（适者生存，优胜劣 汰遗传机制）演化而来的随机化搜索方法。它是由美国的J.Holland 教授1975 年首 先提出，其主要特点是直接对结构对象进行操作，不存在求导和函数连续性的限 定；具有内在的隐并行性和更好的全局寻优能力；采用概率化的寻优方法，能自动 获取和指导优化的搜索空间，自适应地调整搜索方向，不需要确定的规则。遗传算 法的这些性质，已被人们广泛地应用于组合优化、机器学习、信号处理、自适应控 制和人工生命等领域。它是现代有关智能计算中的关键技术。 遗传算法是从代表问题可能潜在的解集的一个种群（population ）开始的，而一个 种群则由经过基因（gene）编码的一定数目的个体(individual 组成。每个个体实际 上是染色体(chromosome 带有特征的实体。染色体作为遗传物质的主要载体，即多 个基因的集合，其内部表现（即基因型）是某种基因组合，它决定了个体的形状的 外部表现，如黑头发的特征是由染色体中控制这一特征的某种基因组合决定的。因 此，在一开始需要实现从表现型到基因型的映射即编码工