人工智能导论实验指导书.pdfVIP

实验一 基本的搜索技术 【实验目的】 通过运行演示程序，理解深度优先、广度优先、 A* 算法的原理和运行过程。 【实验内容】 1. 分别以深度优先、广度优先、 A* 算法为例演示搜索过程 2. 观察运行过程记录搜索顺序 3. 设置不同属性，观察和记录搜索过程的变化 4. 分析不同算法的特点 【实验原理】 在知识不完全时， 一般不存在成熟的求解算法可以利用， 只有利用已有的知 识摸索前进， 从许多可能的解中寻找真正的解这就是搜索。 即使对于结构性能较 好，理论上有算法可依的问题， 由于问题本身的复杂性以及计算机在时间、 空间 上的局限性，往往也需要通过搜索来进行求解。 总的来说搜索策略分为两大类：盲目搜索和启发式搜索 一、无信息的搜索策略——盲目搜索 在不具有对特定问题的任何有关信息的条件下， 按固定的步骤 （依次或随即 调用操作算子）进行的搜索，它能快速地运用一个操作算子。盲目搜索中，由于 没有可参考的信息， 因此只要能匹配的操作算子都须运用， 这会搜索更多的状态。 最重要的宽度优先和深度优先是最重要的盲目搜索方法。 1. 宽度优先搜索：从根结点出发，按从低到高的层次顺序搜索，同一层的 结点按固定的顺序（例如从左到右、从右到左）搜索。宽度优先总是先搜索到距 离最近的目标结点。宽度优先搜索不适合用于分支较多的情况。 2. 深度优先搜索：用回溯的思想搜索图。深度优先搜索适用于分支较多而 层次较浅的情况。 二、利用知识引导搜索——启发式搜索 盲目搜索复杂度很大， 为了提高算法效率， 应该具体问题具体分析， 利用与 问题有关的信息， 从中得到启发而来引导搜索， 以达到减少搜索量的目的， 这就 1 是启发式搜索。 启发信息： (1) 陈述性启发信息：一般被用于更准确、更精炼地描述状态，使问题的状 态空间缩小 ,如待求问题的特定状况等属于此类信息 (2) 过程性启发信息：一般被用于构造操作算子，使操作算子少而精 如一 些规律性知识等属于此类信息 (3) 控制性启发信息：如何选择操作算子 控制性启发信息往往被反映在估价函数之中。 估价函数的任务就是估计待搜 索结点的“有希望”程度 (或者说估计操作算子的“性能” ) ，并依此给它们排定 次序。 估价一个结点的价值，必须综合考虑两方面的因素：已经付出的代价 (实际) 和将要付出的代价 (估计 ) f (n) = g ( n) + h (n) * 采用这种估价函数的搜索叫 A 搜索。令 h (n)为 n 到目的结点的实际最小代 * 价，如果对任意节点 n 均有 h(n)≤h*( n)，则此时的 A 算法为 A 算法。 如某一问题有解，那么利用 A* 搜索算法对该问题进行搜索则一定能搜索到 解，并且一定能搜索到最优的解而结束。 这三种搜索算法都使用了两张表来记录状态信息：在