人工智能导论第二章_搜索与问_163.pptxVIP

人工智能导论 第二章：搜索、问题求解与博弈;第二章 搜索、问题求解与博弈;主要内容;一些例子;2.1 搜索概述;2.1 搜索概述;2.2 问题求解;2.2.1 状态空间表示法;2.2.1 状态空间表示法;例:二阶Hanoi Tower （梵塔）问题;例:二阶Hanoi Tower （梵塔）问题;2.2.1 状态空间表示法;2.2.1状态空间表示法;例:三阶Hanoi Tower （梵塔）问题;例:三阶Hanoi Tower （梵塔）问题;例:三阶Hanoi Tower （梵塔）问题;2.2.2 与或图表示法;2.2.2 与或图表示法;2.2.2 与或图表示法;例:三阶Hanoi Tower （梵塔）问题;例:三阶Hanoi Tower （梵塔）问题;例:三阶Hanoi Tower （梵塔）问题;2.2.2 与或图表示法;2.3 搜索技术;2.3 搜索技术;2.3 搜索技术;;2.3 搜索策略;AI领域的搜索方法;AI领域的搜索方法;搜索策略分类;盲目搜索方法;回溯策略;( );( );( );( );( );( );( );( );( );( );( );( );( );递归的思想;Fibonacci数列;當n＞1時，Fn+2 = Fn+1 + Fn，而 F0=F1=1。 ;递归的思想（续）;回溯搜索算法;回溯搜索算法;存在问题及解决办法;回溯搜索算法1;回溯搜索算法1;回溯搜索算法1（续）;一些深入的问题;一些深入问题（续）; 图搜索策略;一些基本概念;一些基本概念（续1）;一些基本概念（续1）;图搜索的一般过程;　;;例子;问题的搜索树;深度优先搜索的搜索过程;重排九宫深度优先;有界深度优先搜索的搜索过程;有界深度优先搜索;深度优先搜索的性质;无信息图搜索过程—宽度优先;宽度优先;重排九宫宽度优先;宽度优先搜索的性质;非启发式搜索;代价树的宽度忧先搜索;五城市间的交通路线图，A城市是出发地，E城市是目的地，两城市间的交道费用(代价)如左图小数字所示。求从A到E的最小费用交通路线。 交通代价树如右图，解为A?C?D?E ;代价树的深度忧先搜索;启发式图搜索;希望：;基本思想;1，启发式搜索算法A（A算法）;符号的意义;一个A算法的例子;h计算举例;2 8 3 1 6 4 7 5;最佳图搜索算法A*（A*算法）;A*条件举例;A*算法的性质;AO*算法是A*算法在与或图上的扩展算法。 AO*算法中由于与节点的存在，解对应的不是一条路径，而是一个子图，因此对顶点的评估实际上是对局部解图的评价。 与节点代价计算： 最大代价 和代价 或节点的代价计算：最小代价;AO*???法举例;与或树的宽度优先与深度优先搜索;问题;启发式搜索的必要性;启发式搜索的必要性;*解路径如粗线所标左、上、右、下 **S、A、B、…、L、M等为状态空间图中各个节点名, 其后的小括号中数字表示该节点的评价函数f(n)的估计值, 例如S(4)、L(5)等。?*** 图中标记▲节点为被扩的节点, 标记■的节点为生成的节点。;搜索效率比较;启发式搜索策略;图搜索策略;你可曾听说过“深蓝”？;;电脑棋手：永不停歇的挑战！;电脑棋手：永不停歇的挑战！;许多人在努力;机器博弈;机器博弈的基本思想;博弈树;机器博弈系统的构成;博弈搜索;解谜：电脑是怎样下棋的 ——人机博弈程序的一般设计方法;（1）第一步该做什么？;九列十行;几种棋盘表示的方式;（2）接下来怎么办？;几种走法产生的实现方式;位运算走法产生之例;位运算走法产生之要求;（3）终于到核心了;博弈概述 ;博弈概述;博弈概述;搜索算法;极大极小法;极大极小倒推值的计算;一字棋游戏极小极大分析法;一字棋游戏极小极大分析法;一字棋游戏极小极大分析法;一字棋游戏极小极大分析法第一回合;;一字棋极大极小法的第一阶段;一字棋极大极小法的第二阶段;一字棋极大极小法的第三阶段;Alpha-Beta剪枝技术;Alpha-Beta剪枝技术;Alpha-Beta剪枝;Alpha-Beta剪枝搜索过程;;;搜索算法;Alpha-Beta搜索;（4）最后;估值的几种形式;估值函数的内容及其调试;参数确定的方法;爬山法的缺陷——初值依赖;蒙特卡罗;模拟退火;模拟退火;遗传算法;遗传算法;标准遗传算法优化框图;Genetic Algorithms 优越性;孰优孰劣？;启发式搜索的一个例子;;启发式搜索的一个例子;;启发式搜索的一个例子;;衡量一个搜索策略性能的准则;问题