人工智能技术及应用 课件 第2章 人工智能算法基础知识.ppt

§2.6 谓词逻辑法 2.6.3 谓词公式 §2.6 谓词逻辑法 2.6.3 谓词公式 例2-6 用谓词逻辑描述下图中两个图形的位置关系 §2.4 状态空间法 2.4.3 盲目搜索 1.广度优先搜索算法 广度优先搜索是按照节点在树上的位置逐层向下进行搜索，又称为横向搜索，是用OPEN表的队列形式来表示，将新生成的子节点放在表的后面，以便考察先生成的节点。若问题的解存在，则通过广度优先搜索算法一定能够找到问题的最优解。 §2.4 状态空间法 2.4.3 盲目搜索 利用广度优先搜索算法求解九宫格问题 §2.4 状态空间法 2.4.3 盲目搜索 §2.4 状态空间法 2.4.3 盲目搜索 2.深度优先搜索算法 深度优先搜索的方向是一直向下的，又称为纵向搜索。首先从子节点集合中选出接下来需要考察的节点，然后沿着纵深方向进行，直到到达叶子节点或深度极限时，才返回到上一级节点并沿着另一方向继续搜索，一般也不能找到最优解。 §2.4 状态空间法 2.4.3 盲目搜索 利用深度优先搜索算法求解九宫格问题 §2.4 状态空间法 2.4.3 盲目搜索 深度优先搜索算法求解九宫格问题的OPEN和CLOSED表 重复 OPEN表 CLOSED表 0 S0 [] 1 [S1，S2，S3，S4] [S0] 2 [S5，S6，S2，S3，S4] [S1，S0] 3 [S7，S8，S5，S6，S3，S4] [S2，S1，S0] 4 [S9，S10，S7，S8，S5，S6，S4] [S3，S2，S1，S0] 5 [S11，S12，S9，S10，S7，S8，S5，S6] [S4，S3，S2，S1，S0] …… …… …… §2.4 状态空间法 2.4.3 盲目搜索 3.迭代加深优先搜索算法 §2.4 状态空间法 2.4.3 盲目搜索 利用迭代加深优先搜索算法求解九宫格问题 §2.4 状态空间法 2.4.3 盲目搜索 4.状态组合爆炸 对于8数码问题，其可能状态就有9！=362880种，对于15数码问题，其可能状态就有15！=1307674368000。可见，随着数码个数的增加，存在的状态总数也将剧烈增加，会耗费计算机大量的内存空间和运算时间，问题求解效率也会受到很大程度的影响。因此，盲目搜索算法易出现状态组合爆炸现象，不宜求解计算量较大的问题。 §2.4 状态空间法 2.4.4 启发式搜索 启发式搜索的基本思想就是在状态图搜索的基础上，用启发函数的值来指导搜索过程，确定节点的扩展顺序。其相当于状态空间搜索中的算符操作算子，能够从状态空间中找到最有希望到达问题解的路径。与广度优先搜索不同的是，启发式搜索会优先顺着有启发性和具有特定信息的节点搜索下去，由这些节点可构成到达目标的最优路径。因此，启发式搜索的特点就是重排OPEN表，选择最优希望的节点扩展下去。 对启发式搜索算法，又可根据搜索过程中选择扩展节点的范围，将其分为全局择优搜索算法和局部择优搜索算法。在全局择优搜索中，每当需要扩展节点时，总是从OPEN表的所有节点中选择一个启发函数值最小的节点进行扩展。在局部择优搜索中，每当需要扩展节点时，总是从刚生成的子节点中选择一个启发函数值最小的节点进行扩展。 §2.4 状态空间法 2.4.4 启发式搜索 §2.4 状态空间法 2.4.4 启发式搜索 A算法 按状态与目标的接近程度作为启发式估计来对OPEN表的状态进行排序，每一轮循环考虑的是OPEN表中最有希望的状态，这种搜索策略叫最佳优先搜索。A算法就是使用估价函数的最佳优先搜索。 §2.4 状态空间法 2.4.4 启发式搜索 利用A算法求解九宫格问题 §2.4 状态空间法 2.4.4 启发式搜索 利用A算法求解九宫格问题 §2.4 状态空间法 2.4.4 启发式搜索 A*算法 §2.4 状态空间法 2.4.4 启发式搜索 A*算法 §2.4 状态空间法 2.4.4 启发式搜索 A*算法 §2.4 状态空间法 2.4.4 启发式搜索 A*算法 用A*算法求解8位数码九宫格问题，所得的最优路径为[S(3)，A(4)，B(4)，G(4)，I(4)，K(4)]，步数为4。 §2.4 状态空间法 2.4.4 启发式搜索 §2.5 问题规约法 2.5.1 问题规约图 我们一般用一个类似于图的结构来表示把问题规约为后继问题的替换集合，这一结构叫问题规约图，或称为与或图。与图是把复杂的原问题分解为若干个子问题，形成“与”树结构。或图是把原问题变换为若干个易于求解的新问题，形成“或”树结构。 §2.5 问题规约法 2.5.1 问题规约图 §2.5 问题规约法 2.5.2 节点的可解性 问题规约图中的节点按照问题解的情况又可分为可解节点和不可解节点。终叶节点由于和本原问题相关