状态空间搜索策略.pptVIP

例子 八数码难题（8-puzzle problem） 1 2 3 8 4 5 6 7 （目标状态） 1 2 3 8 4 5 6 7 （初始状态） 八数码难题的有序搜索树见下图： 第三十一页，共四十六页。 1 2 3 8 4 5 6 7 1 2 3 8 4 5 6 7 1 2 3 8 4 5 6 7 （4） （6） （6） 1 2 3 8 4 5 6 7 1 2 3 8 4 5 6 7 1 2 3 8 4 5 6 7 （6） （5） （5） 1 2 3 8 4 5 6 7 1 2 3 8 4 5 6 7 （5） （7） 1 2 3 8 4 5 6 7 1 2 3 8 4 5 6 7 （6） （7） 1 2 3 8 4 5 6 7 （5） 8 1 3 2 4 5 6 7 1 2 3 8 4 5 6 7 （5） （7） 图3.10 八数码难题的有序搜索树 1 2 3 8 4 6 （4） 7 第三十二页，共四十六页。 启发式搜索 利用问题拥有的启发信息来引导搜索，达到减少搜索范围，降低问题复杂度的目的 在保证找到最佳解的情况下，尽可能减少搜索范围，提高搜索效率 启发信息 强 降低搜索工作量，但可能导致找不到最优解 弱 产生式系统在找到一条路径之前将扩展过多的节点，一般导致工作量加大 极限情况下盲目搜索，但可能可以找到最优解 3.3.3 A*算法 第三十三页，共四十六页。 三、搜索策略 3.1 图搜索策略 3.2 盲目搜索 3.3 启发式搜索 第一页，共四十六页。 从问题表示到问题的解决，有一个求解的过程。常见的AI问题求解技术有两种，即“搜索”（Search）和“推理”（Reasoning）方法。 逻辑推理，是通过构造一个逻辑系统，由它可以从已有的断言（公理）推导出新的断言。并用逻辑形式语言描述的一组公理来表达问题域。用这种方法来解决问题就是通过推理来积聚越来越多的断言，直到获得问题的解答。 虽然问题求解可通过搜索方法，也可用逻辑推理，但二者的侧重点是不一样的。前者着重于寻求问题解答的过程，而后者强调前提（初始）问题空间（公理集合）与问题解答间连接的逻辑正确性。或者简单地讲，搜索着重于发现（Discovery），而推理强调证明（Proof）。 　　 第二页，共四十六页。 搜索 在状态图中寻找目标或路径的基本方法 从初始节点，沿着与之相连的边，寻找目标节点的过程 搜索树 搜索过程中经过的节点和边，按照原图的连接关系，便形成一个树形的有向图 第三页，共四十六页。 盲目搜索 无向导搜索/穷举式搜索 从初始节点，沿连接边逐一考察各个节点，或反向进行 启发式(heuristic)搜索 利用“启发性信息”引导的搜索 启发式信息是与问题有关的有利于尽快找到问题解的信息或知识 第四页，共四十六页。 3.1 图搜索策略 图（状态图）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。这些节点和连线(即状态与操作符)又分别由产生式系统的数据库和规则来标记。求得把一个数据库变换为另一数据库的规则序列问题就等价于求得图中的一条路径问题。 第五页，共四十六页。 图组成 节点 有向边 图分类 或图（直接图、状态图） 与或图 图搜索过程图 第六页，共四十六页。 图（状态图）搜索策略 CLOSED 表：用来记录考察过的节点 对树形搜索，存储的是搜索树 对线式搜索，存储的是折线 OPEN表：记录待考察的节点 排序方式不同，对应的搜索算法不同 节点 父节点编号 编号 节点 父节点编号 CLOSED表 OPEN表 第七页，共四十六页。 开始 把S放入OPEN表 OPEN表为空表？ 把第一个节点(n)从OPEN表移至CLOSED表 n为目标节点吗？ 把n的后继节点放入OPEN表的末端，提供返回节点n的指针 修改指针方向 重排OPEN表 失败 成功 图3.1 图搜索过程框图 是 是 否 否 第八页，共四十六页。 3.2 盲目搜索 特点：不需重排OPEN表 种类：宽度优先、深度优先、等代价搜索等。 3.2.1 宽度优先搜索 定义 以接近起始节点的程度逐层扩展节点的搜索方法。 特点： 一种高代价搜索，但若有解存在，则必能找到它。 算法 第九页，共四十六页。 广度（宽度）优先搜索 (Breadth-first search, BFS) 优先在同一级节点中考察，只有当同一级节点考察完毕之后，才考察下一级节点 自顶向下一层一层逐渐生成的 第十页，共四十六页。 宽度优先搜索算法 步1 ：把初始节点So放入OPEN表中。 步2 ：若OPEN表为空, 则搜索失败,退出。 步3 ：取OPEN表中前面第一个节点N放在CLOSED表中, 并冠以顺序编号n。 步4