人工智能第5章约束满足问题.pptVIP

约束满足问题约束图：节点--变量，弧--约束每个状态是一个满足或不满足约束条件的完全赋值。路径耗散：每一步耗散为常数后继函数：可以给任何未赋值的变量赋一值，且和先前赋值的变量不冲突CSP问题的增量形式化：完全状态形式化：目标测试：检验当前赋值是否完全初始状态：空的赋值{}；CSP问题的特点CSP问题的特点有限值域无限值域：例如工作安排问题使用约束语言描述约束例如：StartJob1+5≤StartJob3一元约束：只限制单个变量的取值，例如：SA≠green二元约束：和两个变量有关，例如：SA≠WA

可表示为约束图。值域：约束类型：变量类型：离散型连续型：线性规划问题高阶约束：涉及三个或更多变量例：密码算术可用超约束图表示。变量：FTUWROX1X2X3值域：{0,1,2,3,4,5,6,7,8,9}约束：Alldiff(F,T,U,W,R,O)

O+O=R+10·X1

X1+W+W=U+10·X2

X2+T+T=O+10·X3X3=F高阶的、有限值域的约束可简化为一个二元约束集合：F≠T，F≠U…CSP问题的特点绝对约束:任何违反规则的都排除在解之外偏好约束：指出哪些解是更偏好的CSP问题的特点章节一CSP问题的回溯搜索回溯搜索：深度有限搜索，一次为一个变量赋值为一个新生成的变量选择赋值；比较，合理吗？不合理，回溯CSP问题的每一个解必须有一个完全赋值，如有n个变量，解的深度为n搜索树则扩展到n.CSP问题的回溯搜索三个问题：下一步选哪个变量，按什么顺序尝试它的值；当前变量与未赋值变量的关系；如何避免失败，即当一条路径失败时搜索后面的路径如何避免这种失败。（弧相容）变量选择和取值顺序选择合法取值最少的变量-最少剩余值(minimumremainingvalues,MRV)启发式最受约束变量(Mostconstrainedvariable)启发式失败优先启发式变量选择和取值顺序度启发式：选择涉及对其他未赋值变量的约束数最大的变量来降低未来选择的分支因子。SA的度为5，T的度为0变量选择和取值顺序最少约束值启发式：优先选择在约束图中排除邻居变量的可选值最少的。这样能给剩下的变量赋值留下最大的灵活性。减小搜索空间：前向检验约束传播处理特殊约束智能回溯当变量X被赋值，则对每个与X相连的未赋值变量Y进行考察，从Y的值域中删去与X矛盾的值。前向检验当变量X被赋值，则对每个与X相连的未赋值变量Y进行考察，从Y的值域中删去与X矛盾的值。前向检验当变量X被赋值，则对每个与X相连的未赋值变量Y进行考察，从Y的值域中删去与X矛盾的值。前向检验当变量X被赋值，则对每个与X相连的未赋值变量Y进行考察，从Y的值域中删去与X矛盾的值。前向检验约束传播约束传播：将一个变量的约束内容传播到其他变量。弧相容有向弧：约束图中连接两个变量弧相容：如果对于变量X的每个取值x，变量Y都有某个取值能和x保持相容，则连接X-Y的弧是相容的。当X的值有删除，X的邻居需重新检验相容性。应用弧相容能够更早检测到前向检验不能发现的矛盾。可在搜索过程中每次赋值后作传播约束，保持弧相容，即从变量值域中删除某值以消除弧不相容。**/16信息学院人工智能——一种现代方法**/16信息学院人工智能——一种现代方法人工智能——一种现代方法信息学院人工智能——一种现代方法信息学院每个变量有固定的值域变量的值域可能是有限的，例如BOOL变量的值域包含2个值，可以是离散无限的，例如整数域，可以是连续的，例如实数域|笔记|CSP问题看做搜索问题的偏好约束例如排课CSP形式化后可用一般搜索算法求解，但多用深度有限方法，原因是可确定深度为变量数你，一次为一个变量赋值，就是回溯搜索一般回溯是顺序试探，可能无用，应有一定策略避免无用搜索当前变量与未赋值变量的关系用于指导搜索例如SA和Q相比，SA仅能取蓝色，而Q能取红、蓝两色，所以选SA度是变量对其他未赋值变量的约束数，选SA，实际上一旦SA确定，后边基本不需回溯就可找到解例如红、绿选定，要填Q，应选红色，否则SA无色可用。可在选择变量取值前就发现矛盾，减少变量值的试探，也即减小搜索空间WA=red，则NT和SA的red删除前向检验不能发现如图所示矛盾，即NT和SA仅剩同一色而两者相邻不同取同色。基于弧相容实现约束传播例如SA到NSW的弧是相容的NSW到SA的弧