人工智能简略复习大纲58.ppt

4) 最佳优先搜索算法 F G H E A B 1 2 3 4 C D 搜索出的路径为： A?H?G?D?E，整条路径的代价和为16。 OPEN:{H(11),B(14)} CLOSED:{A(15)} OPEN:{G(9),B(14)} CLOSED:{A(15),H(11)} OPEN:{D(2),F(5),C(10),B(14)} CLOSED:{A(15),H(11),G(9)} OPEN:{E(0),F(5),C(10),B(14)} CLOSED:{A(15),H(11),G(9),D(2)} 5 OPEN:{F(5),C(10),B(14)} CLOSED:{A(15),H(11),G(9),D(2)} 5) A*算法 F G H E A B 1 2 3 4 C D 5 搜索出的路径为： A?H?G?D?E，整条路径的代价和为15。 6 OPEN:{H(15),B(17)} CLOSED:{A(15)} OPEN:{G(15),B(17)} CLOSED:{A(15),H(15)} OPEN:{F(15),D(16),B(17),C(19)} CLOSED:{A(15),H(15),G(15)} OPEN:{D(16→15),B(17),C(19)} CLOSED:{A(15),H(15),G(15),F(15)} OPEN:{E(15),B(17),C(19)} CLOSED:{A(15),H(15),G(15),F(15), D(16→15)} OPEN:{B(17),C(19)} CLOSED:{A(15),H(15),G(15),F(15), D(16→15)} 第2章 与或图搜索问题 与或图的定义，k-连接符的表示方法，与或图解图的耗散值计算方法，能解和不能解节点的定义，与或图的启发式搜索算法AO*的应用等； 博弈树的极大极小搜索过程，?、?参数的定义，?-?剪枝法的定义及应用。 与或图表示的问题 在用某一中方法求解问题时，可能需要求解几个子问题，这些子问题必须全部求解，才能用该方法求解原始问题。这些“子”问题间的关系，就是“与”的关系，此类问题可用与或图来表示。 目标 目标 初始节点s a b c k-连接符的定义 …... K个 解图耗散值的计算 k(n, N) = Cn+k(n1, N)+…+k(ni, N) 其中：N为终节点集； Cn为连接符的耗散值，在单连接符为单位耗散的情况下，k-连接符的耗散值为k； n1，??，ni为节点n的子节点，k(ni,N)表示子节点ni的耗散值，可用启发值h(ni)代替。 能解节点 终节点是能解节点 若非终节点有“或”子节点时，当且仅当其子节点至少有一能解时，该非终节点才能解。 若非终节点有“与”子节点时，当且仅当其子节点均能解时，该非终节点才能解。 不能解节点 没有后裔的非终节点是不能解节点。 若非终节点有“或”子节点，当且仅当所有子节点均不能解时，该非终节点才不能解。 若非终节点有“与”子节点时，当至少有一个子节点不能解时，该非终节点才不能解。 AO*算法 评估函数采用解图的耗散值k(n,N) ，即每次扩展选择解图耗散值最小的节点进行。 搜索的两个过程： 图生成过程，即扩展节点 从最优的局部图中选择一个节点扩展 计算耗散值的过程 对当前的局部图重新计算耗散值 AO*算法举例 其中： h(n0)=3 h(n1)=2 h(n2)=4 h(n3)=4 h(n4)=1 h(n5)=1 h(n6)=2 h(n7)=0 h(n8)=0 设：k连接符 的耗散值为k 目标 目标 初始节点 n0 n1 n2 n3 n4 n5 n6 n7 n8 目标 目标 初始节点 n0 n1 n2 n3 n4 n5 n6 n7 n8 初始节点 n0 n1(2) n4(1) n5(1) 红色：4 黄色：3 目标 目标 初始节点 n0 n1 n2 n3 n4 n5 n6 n7 n8 初始节点 n0 n4(1) n5(1) 红色：4 黄色：6 n1 n2(4) n3(4) 5 目标 目标 初始节点 n0 n1 n2 n3 n4 n5 n6 n7 n8 红色：5 黄色：6 初始节点 n0 n4(1) n5(1) n1 n2(4) n3(4) 5 n6(2) n7(0) n8(0) 2 目标 目标 初始节点 n0 n1 n2 n3 n4 n5 n6 n7 n8 红色：5 黄色：6 初始节点 n0 n4(1) n5(1) n1 n2(4) n3(4) 5 n6(2) n7(0) n8(0) 2 1 极小极大搜索过程 模拟人类下棋的方法，尤其是初学者，走一步，看看对方的反应，思考应对的方法再走一步，??。所谓高手，就是能对几个，