高级人工智能搜索策略 教学PPT课件.ppt

* 第七章 搜索策略 ⑴ 局部择优搜索 　　局部择优搜索是一种启发式图搜索方法,是深度优先搜索的一种改进。它在控制策略中引入了启发性信息，如关于问题的解的特性、出现规律等，使搜索过程的估价函数f（x）反映启发信息，通过择优比较，选取最有希望逼近目标节点的方向，逐级沿纵向深度进行搜索，以便加快搜索过程，提高搜索效率。 基本概念 状态空间的搜索策略 与/或图的搜索策略 博弈树搜索 * 第七章 搜索策略 ☆ 局部择优搜索的基本思想 　　当一个节点被扩展后，按f（x）对每一个子节点计算估价值，并选择最小者作为下一个要考察的节点，由于在搜索过程中，只保留和扩展优选的节点，择优比较只是在被扩展的优选节点的所属子节点中进行，是小范围内的局部优选。 基本概念 状态空间的搜索策略 与/或图的搜索策略 博弈树搜索 * 第七章 搜索策略 ☆ 局部择优搜索的算法 ① 把初始节点S0放入OPEN表，计算f（S0）； ② 如果OPEN表为空，则问题无解，失败并退出。 ③ 把OPEN表中的第一个节点取出放入CLOSED表中，并按顺序冠以编号n； ④ 考察节点n是否为目标节点。若是，则求得了问题的解，成功并退出。 ⑤ 若节点n不可扩展，则转第⑵步； ⑥ 扩展节点n，用估价函数f（x）计算每一个子节点的估价值，并按估价值从小到大的顺序依次放入OPEN表的首部，为每个子节点配置指向父节点的指针。然后转第⑵步。 基本概念 状态空间的搜索策略 与/或图的搜索策略 博弈树搜索 * 第七章 搜索策略 ☆ 局部择优搜索的特点 优点：方法简便、搜索过程快、占用计算机内存少（只需搜索部分状态空间 ，不需存储全部状态空间）。 　缺点：只适用于单峰极值、单因素问题；对于多峰极值、多因素问题，可能搜索失败，找不到所求的目标节点。因此，局部择优法是不完备的推理 。 基本概念 状态空间的搜索策略 与/或图的搜索策略 博弈树搜索 * 第七章 搜索策略 例7.8 用局部择优搜索方法求解重排九宫问题。 其中S0 与Sg如下所示。 设估价函数为： f（x）= h（x） （节点x的格局与目标格局不符合的牌数） 其搜索树如图7-21所示。 在搜索过程中希望h（x）尽量小，目标状态h（Sg）= 0。 该问题的解的路径为： S0→S1→S2→S3→S4→S5→S6→S7→S8→Sg 基本概念 状态空间的搜索策略 与/或图的搜索策略 博弈树搜索 2 8 3 1 6 4 7 5 1 2 3 8 4 7 6 5 S0 Sg * 第七章 搜索策略 ⑵ 全局择优搜索 是一种启发式图搜索方法，它弥补了局部择优搜索法的局限性。 ☆ 全局择优搜索的基本思想 在OPEN表中保留所有已生成而未考察的节点, 并用估价函数f (x)对它们全部进行估价,从中选出最优节点进行考察，而不管这个节点在搜索树的什么地方。 基本概念 状态空间的搜索策略 与/或图的搜索策略 博弈树搜索 * 第七章 搜索策略 ☆ 全局择优搜索的算法 ① 把初始节点S0放入OPEN表，计算f（S0）； ② 如果OPEN表为空，则搜索失败，失败并退出。 ③ 把OPEN表中的第1个节点从表中移出放入CLOSED表，并按顺序冠以编号n； ④ 考察节点n是否为目标节点。若是，则求得了问题的解，成功并退出。 ⑤ 若节点n不可扩展，则转第⑵步； ⑥ 扩展节点n，用估价函数f（x）计算每个子节点的估价值，并为每个子节点配置指向父节点的指针，把这些子节点都送入OPEN表中，然后对OPEN表中的全部节点按估价值从小到大的顺序进行排序。然后转第⑵步。 基本概念 状态空间的搜索策略 与/或图的搜索策略 博弈树搜索 * 例7. 9 用全局优先搜索方法求解图7-14所示的重排九宫问题。 设估价函数为: f(x) = d(x) + h(x) 式中: d(x)表示节点x的深度。 h(x)表示节点x的格局与目标格局不符合的纸牌数。 其搜索树如图7-22所示，图中节点旁的数字为该节点的估价值。只需四步就搜索成功。 该问题解的路径为： S0→S1→S2→S3→Sg。 * 第七章 搜索策略 课堂练习 用全局择优搜索算法解例7.8. 　　f（x）= d（x）+ h（x） d（x）表示节点的深度； h（x）表示节点的格局与目标格局不符合的字牌数。