人工智能第二章下90.pptxVIP

2.4启发式搜索;启发式搜索概念;评估函数的表示;代价的计算;2.4.1 代价驱动的搜索策略;代价树的广度优先搜索;基本思想;搜索过程;例 如图是八城市间的交通图，两城市间的交通费用（代价）如图中数字所示。求从S到T的最小交通费用代宽演示.ppt;代价树的广度优先搜索（例）;Open表（代价树的广度优先搜索） 初始 (S(0)) 1 (A1(3), D1(4)) 2 (D1(4), B1(7),D2(8)) 3 (E1(6),B1(7),D2(8),A2(9)) 4 (B1(7),D2(8),A2(9),F1(10),B2(11)) 5 (D2(8),A2(9),F1(10),B2(11),C1(11),E2(12)) 6 (A2(9),F1(10),E3(10),B2(11),C1(11),E2(12)) 7 (F1(10),E3(10),B2(11),C1(11),E2(12),B3(13)) 8 (E3(10),B2(11),C1(11),E2(12),B3(13),T1(13)) 9 (B2(11),C1(11),E2(12),B3(13),T1(13),F2(14),B4(15)) 10 (C1(11),E2(12),B3(13),T1(13),F2(14),B4(15),A3(15),C2(15)) 11 (E2(12),B3(13),T1(13),F2(14),B4(15),A3(15),C2(15)) 12 (B3(13),T1(13),F2(14),D3(14),B4(15),A3(15),C2(15),F3(16)) 13 (T1(13),F2(14),D3(14),B4(15),A3(15),C2(15),F3(16),C3(17)) 14 T1(13)为目标节点，结束。 ;算法讨论;动态规划法;基本思想;搜索过程;例 如图是八城市间的交通图，两城市间的交通费用（代价）如图中数字所示。求从S到T的最小交通费用动态规划.ppt;动态规划法（例）;Open表（动态规划法） 初始 (S(0)) 1 (A1(3), D1(4)) 2 (D1(4), B1(7),D2(8)) （删除） 3 (E1(6),B1(7),A2(9)) 4 (B1(7),F1(10),B2(11) ) 5 (F1(10),C1(11),E2(12) ) 6 (C1(11),T1(13)) 7 (T1(13)) 8 结束; 代价树的深度优先搜索;基本思想：在刚扩展的子节点中选择一个代价最小的节点进行扩展，即表的首部存放刚扩展的所有子节点（按代价从小到大排序） 搜索过程： 1.将初始节点放入OPEN表，令g(s0)=0 2.如果OPEN表为空，则问题无解，退出 3.把OPEN表的第一个节点（记为n节点）取出放入CLOSED表 4.考察节点n是否为目标节点。若是，则求得了问题的解，退出。 5.若节点n不可扩展转（2）步。 6.扩展节点n，将其子节点按代价从小到大放入OPEN表的首部，并为每一个子节点都配置指向父节点的指针，然后转（2）步。;例 如图是八城市间的交通图，两城市间的交通费用（代价）如图中数字所示。求从S到T的最小交通费用;代价树的深度优先搜索（例）;Open表（代价树的深度优先搜索） 初始 (S(0)) 1 (A1(3), D1(4)) 2 (B1(7),D2(8),D1(4) ) 3 (C1(11),E2(12),D2(8),D1(4)) 4 (E1(12),D2(8),D1(4) ) 5 (D3(14),F1(16),D2(8),D1(4) ) 6 (F1(16),D2(8),D1(4)) 7 (T1(19),D2(8),D1(4)) 8 T1(19）为目标节点结束 ;2 8 3 1 4 7 6 5;8 1 3 2 4 7 6 5;2 8 3 1 4 7 6 5;算法讨论;代价树的有界深度优先搜索;基本思想;代价树的有界深度优先搜索过程;例 如图是八城市间的交通图，两城市间的交通费用（代价）如图中数字所示。求从S到T的最小交通费用;代价树的有界深度优先搜索（例） dm=4;代价树搜索的总结;2 8 3 1 4 7 6 5;2.4.2 A算法;启发性函数的表示;例：重排九宫问题; 解：f(n)=d(n)+W(n) 取g(n)=d(n)，h(n)=W(n)。 d(n)表示节点n在搜索树中的深度它说明是用从S0到n的路径上的单位代价表示实际代价， W(n)表示节点n中“不在位”的数码个数，作为启发信息。 一般来说，某节点中的“不在位”的数码个数越多，说明它离目标节点越远。 对初始节点S0，由于d(S0)=0，W(S0)=3，因此有