南邮自动化人工智能确定性推理.pptxVIP

3.1 图搜索策略 3.2 盲目搜索 3.3 启发式搜索 3.4 消解原理 3.5 规则演绎系统;3.1 图搜索策略 ;用一个四元表列（W，x，Y，z）表示这个问题状态 W 猴子的水平位置 x 当猴子在箱子顶上时取 x = 1；否则取 x = 0 Y 箱子的水平位置 z 当猴子摘到香蕉时取 z=1；否则取 z=0 算符： Goto（U）， （W，0，Y，z） goto（U） （U，0，Y，z） Pushbox（V）， （W，0，W，z） pushbox（V） （V，0，V，z） Climbbox， （W，0，W，z） climbbox （W，1，W，z） Grasp， （c，1，c，0） grasp （c，1，c，1）;4;5; 图搜索控制策略:一种在图中寻找路径的方法。 图中每个节点对应一个状态; 每条连线对应一个操作符。 图搜索过程（GraphSearch） ;7;图搜索的一般过程如下：;6）扩展节点n，同时生成不是n的祖先的那些后继节点的集合M。把M的这些成员作为n的后继节点添入图G中。 7）对那些未曾在G中出现过的M成员设置一个通向n的指针。把M的这些成员加进OPEN表。对已经在OPEN或CLOSED表上的每一个M成员，确定是否需更改通到n的指针方向。对已在CLOSED表上的每个M成员，确定是否需要更改图G中通向它的每个后裔节点的指针方向。 8）按某一任意方式或按某个探试值，重排OPEN表。 9）GO LOOP。;图搜索策略;;;2022/6/9;思考： （1）结果路径的形成中，为什么其节点顺序是明确的？ （2）OPEN表中的节点具有什么特点？ （3）CLOSED表中的节点具有什么特点？ （4）对OPEN表节点的排序有何意义？ 提出：盲目搜索与启发式搜索。;3.2 盲目搜索 ;16;1）把起始节点放到OPEN表中(如果该起始节点为一目标节点，则求得一个解答)。 2）如果OPEN是个空表，则没有解，失败退出；否则继续。 3）把第一个节点(节点n)从OPEN表移出，并把它放入CLOSED的扩展节点表中。 4）扩展节点n。如果没有后继节点，则转向上述第(2)步。 5）把n的所有后继节点放到OPEN表的末端，并提供从这些后继节点回到n的指针。 6）如果n的任一个后继节点是个目标节点，则找到一个解答，成功退出；否则转向第(2)步。;18;2022/6/9;2022/6/9;2022/6/9;2022/6/9;2022/6/9; 例子八数码难题（8-puzzle problem） ;25;3.2.2 深度优先搜索(Dephth-first);深度优先搜索示意图;28;2022/6/9; 示范：有界深度(4)优先的八数码问题深度优先搜索树？;31;2022/6/9;3.2.3 等代价搜索;34;课后例题讲解;;;;3.3 启发式搜索;有序搜索（Ordered Search） 总是选择“最有希望”的节点作为下一被扩展节点 估价函数（Evaluation Function） 为获得某些节点“希望”的启发信息，提供一个评定侯选扩展节点的方法，以便确定哪个节点最有可能在通向目标的最佳路径上 。 f(n)——表示节点n的估价函数值 应用节点“希望”程度（估价函数值）重排OPEN表；有序搜索也称为最佳优先搜索； 估价函数举例： （1）棋局的得分； （2）距离目标状态的距离量度； （3）TSP问题中的路径； 思考：f 函数的计算，重排序的方法？;41;42;八数码难题;44;f 函数的重要性 有序搜索的有效性直接取决于 f ,是提高搜索效率的关键； 如果 f 不准确，可能失去最佳解，也可能失去全部解； f 一般选择策略 搜索时间与空间的折衷； 保证有解或有最佳解； f 选择的三种典型情况： （1）最优解答：状态空间中有多条解答路径，求解最优解答，如A*算法； （2）搜索代价与解答质量的综合：问题类似于（1），但搜索过程可能超出时间与空间的界限。在适当的搜索实验中找到满意解答，并限制满意解答与最优解答的差异程度；如：TSP问题； （3）最小搜索代价：不考虑解答的最优化（只有一个解答或多个解答间无差异），尽量使搜索代价最小；如：定理证明。 思考： （1） f 不能识别某些节点的真实“希望”值会怎么样？ （2） f 过多估计了全部节点又会怎么样？;3.3.3 A*算法;A*算法： 定义1 在GRAPHSEARCH过程中，如果第8步的重排OPEN表是依据f(x)=g(x)+h(x)进行的，则称该过程为A算法。 定义2 在A算法中，如果对所有的x存在