人工智能第三章搜索策略2.ppt

* * * * * * * * * * * * * * * 说明： （1）在上述定义中，限定每个相应于变量vi的取值集合Di（0≤i≤n）都是离散的和有限的。 （2）C为约束的有限集合，约束是一个或多个对象属性间的数学或逻辑关系。如，把10元钱换成1、2、5元钱，1、2、5元钱为对象，对象的个数为各自的属性，数学关系可以表示为：c1 + 2c2 + 5c3 = 10。如果问题的每个约束仅涉及两个变量，则称为二元约束问题（BCSP）。 第九十五页，共一百零三页。 * * （3） 如果至少存在一个解答满足某个约束，则称该约束是可满足的。例如，对于约束{（x + y≤2）∧(0≤x,y≤2)}(x和y为整数)是可满足的，这里x=y=1。如果x和y为整数，则约束{（x + y≤2）∧(x＞2,y＞2)}是不可满足的。 （4）如果找不到一个变量值的组合，使之满足所有的约束，则可以找到一个满足最大数目约束的解，这种情况称为最大约束满足问题。 第九十六页，共一百零三页。 * * 目前约束推理的研究主要集中在两个方面： 约束搜索 约束语言 约束搜索主要研究有限域上的约束满足，对有限域而言，约束满足问题一般是一个NP难问题，因此不可能存在一个线性时间的算法能够找到所有的解答。 第九十七页，共一百零三页。 * * 例 地图着色问题：对于下图所示的地图，从{ 红（R），绿（G），黄（Y）}中选择一种颜色赋予图中的国家，使得相邻的国家具有不同的色彩。 第九十八页，共一百零三页。 * * 用下图来表示相邻关系，其中结点表示国家，连线表示结点之间的邻接关系，约束用≠表示。 首先，对于任意一个国家，赋予任意一个色彩。假定首先A1赋予R。用Ai≠R表示Ai不能被赋予R色彩。这样，可以有下面的步骤： 第九十九页，共一百零三页。 * * Step1:{A1←R,A2≠R} Step2:{A1←R,(A2←G,A3≠G,A4≠G)} Step3:{A1←R,A2←G,(A3←Y,A4≠Y,A6≠Y),A4≠G} Step4:{A1←R,A2←G,A3←Y,(A4←R,A5≠R,A6≠R),A6≠Y} Step5:{A1←R,A2←G,A3←Y,A4←R,(A5←Y,A6≠Y),A6≠R} Step6:{A1←R,A2←G,A3←Y,A4←R,A5←Y,A6←G} 在步骤2中，用A2←G代替步骤1中的A2≠R，并增加一些约束，用括号表示。这里步骤6得到一个可能的解答。 第一百页，共一百零三页。 * * 小结 搜索的基本概念和分类 状态空间的概念和表示方法。 一般图的搜索算法 启发式搜索的概念，启发式搜索算法A，f(x),g(x),h(x)定义 盲目搜索及其代表：深度优先和宽度优先。 深度优先的变形：有界深度和迭代加深搜索 A*算法， f*(x),g*(x),h*(x)定义 与或图的搜索和AO*算法。 A*和AO*的比较 博弈问题，看作是一种特殊的与或搜索问题。 极大极小方法和α-β剪枝技术。 约束满足问题 第一百零一页，共一百零三页。 * * The End 第一百零二页，共一百零三页。 内容总结 2023/4/26 星期三。爬山法（了解，对深度优先法的改进）。应用问题归约策略得到的状态空间图，也称为“与或图”。初始状态下三个盘按A、B、C顺序堆放在1号柱子上。较大盘不能压放在较小盘之上。与或图视为对一般图(或图)的扩展。当所有的K都等于1时，与或图蜕化为一般图（或图）。与或图中存在“或”关系，会有多个候选的局部解图。建立只包含初始状态节点n0的搜索图G:={n0}。2、算法AO*与A*的比较★。所谓“二人零和”，是指在博弈中只有“敌、我”二方。φ1+φ2=0。敌负：φ2= -φ10。假设由MAX先走棋，且我们站在MAX立场上。考虑：如果边生成博弈树，边进行估值的计算会带来什么好处。A*和AO*的比较。The End 第一百零三页，共一百零三页。 * * * * * * * * * * * * * * * * * * * * * * * * * （1）对垒的双方MAX和MIN轮流采取行动，博弈的结果只能有3种情况：MAX胜、MIN败；MAX败，MIN胜；和局。 （2）在对垒过程中，任何一方都了解当前的格局和过去的历史。 （3）任何一方在采取行动前都要根据当前的实际情况，进行得失分析，选择对自己最为有利而对对方最不利的对策，在不存在“碰运气”的偶然因素，即双方都很理智地决定自己的行动。 这类博弈如一字棋、象棋、围棋等。 博弈的特点 第六十三页，共一百零三页。 * * 另外一种博弈是机遇性博弈，是指不可预测性的博弈，如掷硬币游戏等。 第六十四页，共一百零三页。 * * 例： 假设有七枚钱币，任一选手只能将已分好的一堆钱币分成两堆个数不等的钱币，两位选手轮流进行