人工智能a算法(推荐文档).docVIP

1．启发式搜索算法 A 启发式搜索算法 A ，一般简称为 A 算法，是一种典型的启 发式搜索算法。其基本思想是：定义一个评价函数 f，对当前的搜索状态进行评估，找出一个最有希望的节点来扩展。评价函数的形式如下： f（ n）＝ g（ n）＋ h（ n） 其中 n 是被评价的节点。 f（n）、g（ n）和 h（n）各自表述什么含义呢？我们先来定义下 面几个函数的含义，它们与 f（n）、 g（n）和 h（n）的差别是 都带有一个 * 号。 g*(n) ：表示从初始节点 s 到节点 n 的最短路径的耗散值； h*(n) ：表示从节点 n 到目标节点 g 的最短路径的耗散值； f*(n)=g*(n)+h*(n) ：表示从初始节点 s 经过节点 n 到目标节点 g 的最短路径的耗散值。 而 f（n）、g（ n）和 h（n）则分别表示是对 f* （n）、g*（n）和 h* （ n）三个函数值的的估计值。是一种预测。 A 算法就是利 用这种预测，来达到有效搜索的目的的。它每次按照 f(n) 值的大小对 OPEN 表中的元素进行排序， f 值小的节点放在前面，而 f 值大的节点则被放在 OPEN 表的后面， 这样每次扩展节点时， 都 是选择当前 f 值最小的节点来优先扩展。 利用评价函数 f（ n）＝ g（ n）＋ h（ n）来排列 OPEN 表节点顺 序的图搜索算法称为算法 A 。 过程 A OPEN:＝（ s）， f（ s）:＝g（ s）+h（s） ; LOOP：IF OPEN ＝（ ）THEN EXIT （ FAIL ）； ③n:＝FIRST（ OPEN）； ④IF GOAL （ n）THEN EXIT （ SUCCESS）； ⑤REMOVE （n，OPEN）， ADD （n，CLOSED ）； ⑥EXPAND （n）→{mi} ，计算 f（ n，mi ）＝g（n，mi ）+h（ mi）； g（n，mi ）是从 s 通过 n 到 mi 的耗散值， f（n， mi）是从 s 通 过 n、mi 到目标节点耗散值的估计。 ·ADD （mj ，OPEN），标记 mi 到 n 的指针。 ·IF f （n， mk） f （ mk） THEN f（ mk） :＝ f （n， mk），标记 mk 到 n 的指针；比较 f（n，mk）和 f（ mk），f（ mk）是扩展 n 之前计算的耗散值。 ·IF f （n， m1） f （ m1） THEN f（ m1） :＝ f （n， m1），标记 m1 到 n 的指针， ADD （m1，OPEN）；当 f （n，m1）f （m1） 时，把 m1 重放回 OPEN 中，不必考虑修改到其子节点的指针。 OPEN 中的节点按 f 值从小到大排序； ⑧GO LOOP ； A 算法同样由一般的图搜索算法改变而成。 在算法的第 7 步， 按照 f 值从小到大对 OPEN 表中的节点进行排序， 体现了 A 算法 的含义。 算法要计算 f(n) 、g(n)和 h(n)的值，g(n)根据已经搜索的结果， 按照从初始节点 s 到节点 n 的路径，计算这条路径的耗散值就可 以了。而 h(n)是与问题有关的，需要根据具体的问题来定义。有 了 g(n)和 h(n)的值，将他们加起来就得到 f(n) 的值了。 在介绍一般的图搜索算法时我们就曾经让大家注意过，在这 里我们再强调一次， 请大家注意 A 算法的结束条件： 当从 OPEN 中取出第一节点时，如果该节点是目标节点，则算法成功结束。 而不是在扩展一个节点时， 只要目标节点一出现就立即结束。 我们在后面将会看到， 正是由于有了这样的结束判断条件， 才使得 算法有很好的性质。 算法中 f（n）规定为对从初始节点 s 出发，约束通过节点 n 到达目标点 t，最小耗散值路径的耗散值 f*(n) 的估计值，通常取 正值。 f（n）由两个分量组成，其中 g（ n）是到目前为止，从 s 到 n 的一条最小耗散值路径的耗散值， 是作为从 s 到 n 最小耗散 值路径的耗散值 g*(n) 的估计值， h（n）是从 n 到目标节点 t，最小耗散值路径的耗散值 h*(n) 的估计值。 设函数 k（ni，nj）表示最小耗散路径的实际耗散值（当 ni 到 nj 无通路时则 k（ ni，nj）无意义），则 g*（n）＝ k（s，n）， h* （ n）＝ min k（n， ti ），其中 ti 是目标节点集， k（ n，ti ）就 是从 n 到每一个目标节点最小耗散值路径的耗散值， h* （n）是 其中最小值的那条路径的耗散值，而具有 h* （n）值的路径是 n 到 ti 的最佳路径。由此可得 f* （ n）＝ g* （n）＋ h* （n）就表示 s→ ti 并约束通过节点 n 的最