人工智能第三章_搜索策略-一.pptx

人工智能第三章_搜索策略-一

2025/6/152第3章搜索策略问题求解系统划分为两大类知识贫乏系统依靠搜索技术知识贫乏、缺乏针对性效率低知识丰富系统依靠推理技术基于丰富知识的推理技术，直截了当效率高

2025/6/153第3章搜索策略两大类搜索技术:1、一般图搜索、启发式搜索2、基于问题归约的与或图搜索两种典型的推理技术:1、基于归结的演绎推理归结反演2、基于规则的演绎推理正向演绎推理逆向演绎推理

2025/6/1543.1引言对于给定的问题，智能系统的行为一般是找到能够达到所希望目标的动作序列，并使其所付出的代价最小、性能最好。基于给定的问题，问题求解的第一步是目标的表示。搜索就是找到智能系统的动作序列的过程。

2025/6/155搜索算法的输入是给定的问题，输出时表示为动作序列的方案。一旦有了方案，就可以执行该方案所给出的动作了。（执行阶段）因此，求解问题包括：目标表示搜索执行

2025/6/156（1）初始状态集合：定义了初始的环境。（2）操作符集合：把一个问题从一个状态变换为另一个状态的动作集合。（3）目标检测函数：用来确定一个状态是不是目标。（4）路径费用函数：对每条路径赋予一定费用的函数。其中，初始状态集合和操作符集合定义了问题的搜索空间。一般给定问题就是确定该问题的一些基本信息，一个问题由4部分组成:

2025/6/157和通常的搜索空间不同，人工智能中大多数问题的状态空间在问题求解之前不是全部知道的。在人工智能中，搜索问题一般包括两个重要的问题：搜索什么搜索什么通常指的就是目标。在哪里搜索在哪里搜索就是“搜索空间”。搜索空间通常是指一系列状态的汇集，因此称为状态空间。

2025/6/158所以，人工智能中的搜索可以分成两个阶段：状态空间的生成阶段在该状态空间中对所求问题状态的搜索搜索可以根据是否使用启发式信息分为盲目搜索启发式搜索

2025/6/159盲目搜索只是可以区分出哪个是目标状态。一般是按预定的搜索策略进行搜索。没有考虑到问题本身的特性，这种搜索具有很大的盲目性，效率不高，不便于复杂问题的求解。启发式搜索是在搜索过程中加入了与问题有关的启发式信息，用于指导搜索朝着最有希望的方向前进，加速问题的求解并找到最优解。

2025/6/1510根据问题的表示方式分为状态空间搜索与或图搜索状态空间搜索是用状态空间法来求解问题所进行的搜索与/或图搜索是指用问题规约方法来求解问题时所进行的搜索。

2025/6/1511考虑一个问题的状态空间为一棵树的形式。宽度优先搜索深度优先搜索如果根节点首先扩展，然后是扩展根节点生成的所有节点，然后是这些节点的后继，如此反复下去。在树的最深一层的节点中扩展一个节点。只有当搜索遇到一个死亡节点（非目标节点并且是无法扩展的节点）的时候，才返回上一层选择其他的节点搜索。

2025/6/1512无论是宽度优先搜索还是深度优先搜索，遍历节点的顺序一般都是固定的，即一旦搜索空间给定，节点遍历的顺序就固定了。这种类型的遍历称为“确定性”的，也就是盲目搜索。对于启发式搜索，在计算每个节点的参数之前无法确定先选择哪个节点扩展，这种搜索一般也称为非确定的。

2025/6/1513完备性：如果存在一个解答，该策略是否保证能够找到？时间复杂性：需要多长时间可以找到解答？空间复杂性：执行搜索需要多少存储空间？最优性：如果存在不同的几个解答，该策略是否可以发现最高质量的解答？搜索策略评价标准:

2025/6/1514有许多智力问题(如梵塔问题、旅行商问题、八皇后问题、农夫过河问题等)和实际问题（如路径规划、机器人行动规划等）都可以归结为状态空间搜索。用状态空间搜索来求解问题的系统均定义一个状态空间，并通过适当的搜索算法在状态空间中搜索解答路径。3.2基于状态空间的搜索技术

2025/6/1515状态空间搜索

——1.状态空间及其搜索的表示(1)状态空间的表示★状态空间记为SP，可表示为二元组：SP=(S,O)S——问题求解（即搜索）过程中所有可能到达的合法状态构成的集合；O——操作算子的集合，操作算子的执行会导致问题状态的变迁；状态——用于记载问题求解（即搜索）过程中某一时刻问题现状的快照；抽象为矢量形式Q=[q0,q1,…,qn]T每个元素qi称为状态分量给定每个状态分量qi的值就得到一个具体的状态 Qk=[q0k,q1k,…,qnk]T

2025/6/1516状态表示状态的变迁操作算子问题的状态空间是一个表示该问题的全部可能状态及其变迁的有向图。节点状态有向弧状态的变迁弧上的标签导致状态变迁的操作算子用状态空间搜索来求解问题的系统均定义一个状态空间，并通过适当的搜索算法在状态空间中搜索解答路径。

2025/