人工智能原理2章搜索技术下.pptxVIP

人工智能原理搜索技术（下）启发式搜索·局部优化·对抗博弈·约束满足

Contents课程目录人工智能原理：搜索技术（下）01启发式搜索与A*算法02局部搜索与优化算法03对抗搜索与博弈决策04约束满足问题（CSP）

CHAPTER01启发式搜索与A*算法利用领域知识打破状态空间爆炸的维度诅咒

HeuristicSearch启发式搜索的核心动机与启发函数盲目搜索在复杂问题中面临组合爆炸的维度诅咒，启发式搜索通过引入领域特定知识构建启发函数，将全局无差别探索转化为有方向的优先搜索，是解决大规模状态空间问题的核心范式。状态空间爆炸问题当分支因子与搜索深度增加时，盲目搜索的节点扩展数呈指数级增长，导致时间与内存资源迅速耗尽。指数级增长启发函数h(n)基于领域知识估算从当前状态n到最近目标状态的实际代价，为算法提供距离感与方向指引。h(n)评估函数f(n)将已付出的历史代价与预估的未来代价相结合，形成综合排序指标，决定优先扩展哪个边缘节点。f(n)

GREEDYBEST-FIRSTSEARCH贪婪最佳优先搜索：短视的启发式策略贪婪最佳优先搜索仅依赖启发函数h(n)进行节点扩展，试图以最快的速度逼近目标。虽然其在无障碍场景下效率极高，但由于完全忽略已发生的路径代价，极易陷入局部死胡同或无限循环，不具备完备性与最优性。纯启发式驱动评估函数简化为f(n)=h(