人工智能导论搜索问题.docVIP

第1章搜索问题

人类的思维过程，可以看作是一个搜索的过程。从小学到现在，你一定遇到过很多种的智力游戏问题，比如说传教士和野人问题。有3个传教士和3个野人来到河边准备渡河，河岸有一条船，每次至多可供2人乘渡。问传教士为了安全起见，应如何规划摆渡方案，使得任何时刻，在河的两岸以及船上的野人数目总是不超过传教士的数目（但允许在河的某一岸或者船上只有野人而没有传教士）。如果你来做这个智力游戏的话，在每一次渡河之后，都会有几种渡河方案供你选择，究竟哪种方案才有利于在满足题目所规定的约束条件下顺利过河呢？这就是搜索问题。经过反复努力和试探，你终于找到了一种解决办法。在高兴之余，你马上可能又会想到，这个方案所用的步骤是否最少？也就是说它是最优的吗？如果不是，如何才能找到最优的方案？在计算机上又如何实现这样的搜索？这些问题就是本章我们要介绍的搜索问题。

一般地，很多问题可以转化为状态空间的搜索问题。

S

S0

问题全状态空间

搜索空间

解路径

Sg

图1.1搜索空间示意图

比如传教士和野人问题，当我们用在河的左岸的传教士人数、野人人数和船的情况表示问题时，该问题的初始状态可以用三元组表示为（3，3，1），结束状态可以表示为（0，0，0），而中间状态则可以表示为（2，2，0）、（3，2，1）、（3，0，0）……等，每个三元组对应了三维空间上的一个点，而问题的解，则是一个合法状态的序列，其中序列的第一个状态是问题的初始状态，而最后的一个状态则是问题的结束状态。介于初始状态和结束状态之间的则是中间状态。除了第一个状态外，该序列中任何一个状态，都可以通过一条规则，由与他相邻的前一个状态转换得到。

图1.1给出了一个搜索问题的示意图。其含义是如何在一个比较大的问题空间中，只通过搜索比较小的范围，就找到问题的解。使用不同的搜索策略，找到解的搜索空间范围是有区别的。一般来说，对大空间问题，搜索策略是要解决组合爆炸的问题。

通常搜索策略的主要任务是确定如何选取规则的方式。有两种基本方式：一种是不考虑给定问题所具有的特定知识，系统根据事先确定好的某种固定排序，依次调用规则或随机调用规则，这实际上是盲目搜索的方法，一般统称为无信息引导的搜索策略。另一种是考虑问题领域可应用的知识，动态地确定规则的排序，优先调用较合适的规则使用，这就是通常称为启发式搜索策略或有信息引导的搜索策略。

本章及下一章将介绍几个常用的搜索策略。

1.1回溯策略（BacktrackingStrategies）这里介绍的回溯搜索策略，在有些书中称为

这里介绍的回溯搜索策略，在有些书中称为“深度优先”搜索，而在本书中“深度优先”搜索有另外的含义，具体请见“深度优先”搜索一节。

回溯策略属于盲目搜索的一种。所谓回溯策略，简单地说是这样一种策略：首先将规则给出一个固定的排序，在搜索时，对当前状态（搜索开始时，当前状态是初始状态）依次检测每一条规则，在当前状态未使用过的规则中找到第一条可应用规则，应用于当前状态，得到的新状态重新设置为当前状态，并重复以上搜索。如果当前状态无规则可用，或者所有规则已经被试探过仍未找到问题的解，则将当前状态的前一个状态（即直接生成该状态的状态）设置为当前状态。重复以上搜索，直到找到问题的解，或者试探了所有可能后仍找不到问题的解为止。

下面我们以一个简单的迷宫问题为例，说明回溯策略的基本思想。

迷宫问题如图x所示，迷宫的入口坐标为（0,0），出口坐标为（5,4），图中的粗实线是可以通行的道路。问如何找到一条从入口到出口的路线。

图中箭头给出了按照回溯策略进行搜索的过程。这里的规则，假定在任何一个路口，按照“上、右、下、左”的次序前进，当无路可走或者试探过所有前进方式后则回溯到前一个路口。从（0,0）出发，向上前进到（0,1），前进到（1,1），再一次前进到（1,2）、（1,3）。由于（1,3）无路可走，则回溯到它的前一个路口（1,2）。在（1,2）处已经尝试过向上前进，这次则向右前进到（2,2），然后到达（3,2）。在（3,2）处先向上走到达（3,3），由于再无路可走，又回溯到（3,2），向右到达（4,2）。（4,2）无路可走再次回溯到（3,2）。到此为止（3,2）处已经尝试了所有可能的前进方式，只能再回溯到（2,2）。在（2,2）处尝试还没有走过的向下，进入到（2,1）。由（2,1）逐次前进到（3,1）、（4,1）、（5,1）、（5,2）、（5,3），最后到达出口（5,4）。到此为止，搜索结束。那么，如何得到从迷宫入口到出口的路线呢？在搜索过程中，每前进一步都要记录所走的方向（向可以走的方向前进一步，可以认为是一条规则），如果发生了回溯，则删除该方向的记录。对照图上标示的箭头，如果一个路段旁边有两个方向相反的箭头，则这两个箭头都需要删除，最后保留的箭头所指示的路