人工智能中的搜索问题.ppt

Searching Problems in AI 人工智能中的搜索问题 第一页，共三十七页。 智能体的初始状态是确定的 智能体当前状态是否为目标状态是可以检测的 智能体的状态空间是离散的 智能体在每个状态可以采取的合法行动和相应后继状态是确定的 环境是静态的 路径的耗散函数是已知的 什么是搜索问题 搜索问题：已知智能体的初始状态和目标状态，求解一个行动序列使得智能体能从初始状态转移到目标状态。如果所求序列可以使得总耗散最低，则问题称为最优搜索问题。 第二页，共三十七页。 几个典型的搜索问题 起始状态：Arad 路径规划问题 目标状态：Bucharest 合法行动与后继的确定性： 与某一城市相邻的城市才能成为合法后继 状态空间的离散性： 城市是离散的 环境的静态性： 城市的相对位置不会改变 路径的耗散函数的确定性： 城市之间的距离是已知的 搜索问题：从Arad到Bucharest的路径 最优化搜索问题：从Arad到Bucharest的最短路径 第三页，共三十七页。 几个典型的搜索问题 起始状态 8-Puzzle问题 目标状态 合法行动与后继的确定性： 只有空格四周的格子是可以移动的 状态空间的离散性： 8个格子的排列方式是离散的 环境的静态性： 九宫格的大小和形状在格子移动过程中不会改变 路径的耗散函数的确定性： 相邻两个状态之间所需步骤为1 搜索问题：从起始状态到目标状态的移动方法 最优化搜索问题：从起始状态到目标状态步骤最少的移动方法 华容道是不是一个搜索问题？ 第四页，共三十七页。 几个典型的搜索问题 八皇后问题 合法行动与后继的确定性： 满足棋盘上所有皇后不能互相攻击的后继才是合法的 状态空间的离散性： 0-8个皇后在棋盘上的摆放方式 环境的静态性： 棋盘的格局和大小不会改变 路径的耗散函数的确定性： 相邻两个状态之间所需步骤为1 搜索问题：求出（所有）合法的目标状态 起始状态：空的棋盘 目标状态：棋盘上摆了八个皇后，并且任意两个皇后都不能互相攻击。目标状态不确定，但是当前状态是否为目标状态是可以检测的。 第五页，共三十七页。 搜索问题的组成 初始状态：智能体所处的初始状态 后继函数：输入给定状态，可以输出合法行动和相应的后继状态 目标测试：用来确定给定的状态是否为目标状态 路径耗散函数：在两个给定状态之间进行转移所需的“代价” 普通搜索问题：求出一条从初始状态到目标状态之间的行动序列 全局搜索问题：求出所有从初始状态到目标状态之间的行动序列 最优化搜索问题：求出从初始状态到目标状态之间耗散最少的行动序列 第六页，共三十七页。 搜索问题的求解 所有搜索过程都可以用搜索树算法来进行表示 搜索树 第七页，共三十七页。 搜索问题的求解 搜索树实例 第八页，共三十七页。 搜索问题的求解 搜索树实例 第九页，共三十七页。 搜索问题的求解 搜索树实例 第十页，共三十七页。 搜索问题的求解 节点与状态的区别 节点（Node）是一种数据结构，每个节点的信息包括当前状态、父节点、子节点、深度和路径耗散 状态（State）只是一种系统可能存在的形式 不同节点包含的状态可能是相同的 第十一页，共三十七页。 搜索问题的求解 完备性：当问题有解时，这个算法是否保证能找到一个解？ 最优性：这个搜索策略是否能找到最优解？ 时间复杂度：找一个解需要花费多长时间？ 空间复杂度：在执行搜索过程中需要多少内存？ 普通搜索问题：求出一条从初始状态到目标状态之间的行动序列 全局搜索问题：求出所有从初始状态到目标状态之间的行动序列 最优化搜索问题：求出从初始状态到目标状态之间耗散最少的行动序列 搜索策略的性能 第十二页，共三十七页。 搜索问题的求解 无信息的搜索策略：无法知道当前状态离目标状态的“远近”或者不利用类似的先验信息来进行搜索的策略 广度优先搜索（BFS，Breadth-first search） 代价一致搜索（UCS，Uniform-cost search） 深度优先搜索（DFS，Depth-first search） 深度有限搜索（Depth-limited search） 迭代深入搜索（Iterative deepening search） 有信息的（启发式）搜索策略：利用启发式信息来进行搜索的策略 贪婪最佳优先搜索（Greedy best first search） A*搜索（A* search） 搜索策略的分类 不同搜索策略的区别仅在于扩展节点的顺序 第十三页，共三十七页。 无信息的搜索策略 广度优先搜索 先被访问的节点先进行扩展 每次扩展深度最浅的节点 可以用一个先进先出的数据结构来保存待扩展节点序列 C B D E C F G D E D G E F C D E D E F G 第十四页，共三十七页。 无信息的搜索策略