人工智能状态空间搜索策略
合集下载
人工智能-搜索是人工智能中的一个基本问题 精品
11
这32种状态并非全有意义，除去不合法状态和修道士被野人吃
掉的状态，有意义的状态只有16种：
S0=(3, 3, 1) S1=(3, 2, 1) S2=(3, 1, 1) S3=(2, 2, 1) S4=(1, 1, 1) S5=(0, 3, 1) S6=(0, 2, 1) S7=(0, 1, 1) S8=(3, 2, 0) S9=(3, 1, 0) S10=(3, 0, 0) S11=(2, 2, 0) S12=(1, 1,0) S13=(0, 2, 0) S14=(0, 1, 0) S15=(0, 0, 0) 有了这些状态，还需要考虑可进行的操作。
描述方法； 然后从某个初始状态出发，每次使用一个“操作”，
递增地建立起操作序列，直到达到目标状态为止； 此时，由初始状态到目标状态所使用的算符序列就是
该问题的一个解。
5
4.1.2 状态空间法
3. 状态空间的例子(1/11)
例4.1 二阶梵塔问题。设有三根钢针，它们的编号分别是 1号、2号和3号。在初始情况下，1号钢针上穿有A、B两个 金片，A比B小，A位于B的上面。要求把这两个金片全部移 到另一根钢针上，而且规定每次只能移动一个金片，任何时 刻都不能使大的位于小的上面。
8
(1,1)
A(1,2) (2,1) B(1,3) (2,3) A(2,3)
A(1,3)
(3,1) B(1,2) (3,2) A(3,2)
(3,3)
(1,3)
(1,2)
(2,2)
二阶梵塔的状态空间图
从初始节点(1, 1)到目标节点(2, 2)及(3, 3)的任何一条路径都是问题的一 个解。其中，最短的路径长度是3，它由3个操作组成。例如，从 (1, 1)开始， 通过使用操作A(1, 3)、B(1, 2)及A(3, 2)，可到达 (3, 3)。
这32种状态并非全有意义，除去不合法状态和修道士被野人吃
掉的状态，有意义的状态只有16种：
S0=(3, 3, 1) S1=(3, 2, 1) S2=(3, 1, 1) S3=(2, 2, 1) S4=(1, 1, 1) S5=(0, 3, 1) S6=(0, 2, 1) S7=(0, 1, 1) S8=(3, 2, 0) S9=(3, 1, 0) S10=(3, 0, 0) S11=(2, 2, 0) S12=(1, 1,0) S13=(0, 2, 0) S14=(0, 1, 0) S15=(0, 0, 0) 有了这些状态，还需要考虑可进行的操作。
描述方法； 然后从某个初始状态出发，每次使用一个“操作”，
递增地建立起操作序列，直到达到目标状态为止； 此时，由初始状态到目标状态所使用的算符序列就是
该问题的一个解。
5
4.1.2 状态空间法
3. 状态空间的例子(1/11)
例4.1 二阶梵塔问题。设有三根钢针，它们的编号分别是 1号、2号和3号。在初始情况下，1号钢针上穿有A、B两个 金片，A比B小，A位于B的上面。要求把这两个金片全部移 到另一根钢针上，而且规定每次只能移动一个金片，任何时 刻都不能使大的位于小的上面。
8
(1,1)
A(1,2) (2,1) B(1,3) (2,3) A(2,3)
A(1,3)
(3,1) B(1,2) (3,2) A(3,2)
(3,3)
(1,3)
(1,2)
(2,2)
二阶梵塔的状态空间图
从初始节点(1, 1)到目标节点(2, 2)及(3, 3)的任何一条路径都是问题的一 个解。其中，最短的路径长度是3，它由3个操作组成。例如，从 (1, 1)开始， 通过使用操作A(1, 3)、B(1, 2)及A(3, 2)，可到达 (3, 3)。
人工智能及其应用-状态空间的盲目搜索
点设置指向父节点的指针，然后转第(2)步。
3
3.2.1 状态空间的盲目搜索
广度优先搜索（2/3）
例3.5 八数码难题。在3×3的方格棋盘上，分别放置了表有数字1、 2、3、4、5、6、7、8的八张牌，初始状态S0，目标状态Sg，如下图 所示。可以使用的操作有
空格左移，空格上移，空格右移，空格下移
即只允许把位于空格左、上、右、下方的牌移入空格。要求应用广度 优先搜索策略寻找从初始状态到目标状态的解路径。
23 4 18 765
27
28 14 3 765
283 14 5 76
283 64
1 75
12 3
12 3
8 7
6
4 5
Sg
78 4 65
283 1 64 75
283 16 754
5
3.2.1 状态空间的盲目搜索
深度优先搜索
深度优先搜索算法和广度优先搜索算法的步骤基本相同，它 们之间的主要差别在于Open表中的节点排序不同。在深度优先 搜索算法中，最后进人Open表的节点总是排在最前面，即后生 成的节点先扩展。
个子节点设置指向父节点的指针。按如下公式： g(ni)=g (n) +c (n , ni) i=1,2,...
计算各子结点的代价，并根据各子结点的代价对Open表中的全部结点按由小到大的 顺序排序。然后转第(2)步。
8
3.2.2 代价树的盲目搜索
代价树的代价及广度优先搜索(2/2)
例3.6 城市交通问题。设有5个城市，它们之间的交通线路如左图所示，图中的数 字表示两个城市之间的交通费用，即代价。用代价树的广度优先搜索，求从A市出 发到E市，费用最小的交通路线。
搜索算法 (1)把初始节点S0放入Open表中； (2)如果Open表为空，则问题无解，失败退出； (3)把Open表的第一个节点取出放入Closed表，并记该节点为n； (4)考察n是否为目标节点。若是，则得到问题的解，成功退出； (5)若节点n不可扩展，则转第(2)步； (6)扩展节点n，将其子节点放入Open表的尾部，并为每一个子节
3
3.2.1 状态空间的盲目搜索
广度优先搜索（2/3）
例3.5 八数码难题。在3×3的方格棋盘上，分别放置了表有数字1、 2、3、4、5、6、7、8的八张牌，初始状态S0，目标状态Sg，如下图 所示。可以使用的操作有
空格左移，空格上移，空格右移，空格下移
即只允许把位于空格左、上、右、下方的牌移入空格。要求应用广度 优先搜索策略寻找从初始状态到目标状态的解路径。
23 4 18 765
27
28 14 3 765
283 14 5 76
283 64
1 75
12 3
12 3
8 7
6
4 5
Sg
78 4 65
283 1 64 75
283 16 754
5
3.2.1 状态空间的盲目搜索
深度优先搜索
深度优先搜索算法和广度优先搜索算法的步骤基本相同，它 们之间的主要差别在于Open表中的节点排序不同。在深度优先 搜索算法中，最后进人Open表的节点总是排在最前面，即后生 成的节点先扩展。
个子节点设置指向父节点的指针。按如下公式： g(ni)=g (n) +c (n , ni) i=1,2,...
计算各子结点的代价，并根据各子结点的代价对Open表中的全部结点按由小到大的 顺序排序。然后转第(2)步。
8
3.2.2 代价树的盲目搜索
代价树的代价及广度优先搜索(2/2)
例3.6 城市交通问题。设有5个城市，它们之间的交通线路如左图所示，图中的数 字表示两个城市之间的交通费用，即代价。用代价树的广度优先搜索，求从A市出 发到E市，费用最小的交通路线。
搜索算法 (1)把初始节点S0放入Open表中； (2)如果Open表为空，则问题无解，失败退出； (3)把Open表的第一个节点取出放入Closed表，并记该节点为n； (4)考察n是否为目标节点。若是，则得到问题的解，成功退出； (5)若节点n不可扩展，则转第(2)步； (6)扩展节点n，将其子节点放入Open表的尾部，并为每一个子节
人工智能概论知识表示(状态空间表示法)
３ 利用状态空间求解问题的过程
• 为了求解该问题，根据该状态空间的９种可能状态和12种 算符，构造它的状态空间图，如图所示从初始节点（１， １）（状态Ｓ０）到目标节点（３，３）（状态Ｓ８）的任 何一条通路都是问题的一个解。但其中最短的路径长度是 ３，它由３个算符组成，这３个算符是Ａ（１，２）、Ｂ （１，３）、Ａ（２，３）。
• （2）算符 引起状态中某些分量发生变化，从而使 问题由一个状态变为另一个状态的操作 称为算符。 算符可分为走步、过程、规则、数学算 子、运算符号或逻辑符号等。 例如：
在产生式系统中，每一条产生式规则就是一个算符； 在下棋程序中，一个算符就是一个走步；
１问题状态空间的构成
• （３）状态空间 • 由表示一个问题的全部状态及一切可用算符构成的集
这样定义的算符组Ｆ中共有１２个算符，它们分别是
Ａ（１，２） Ａ（１，３） Ａ（２，１） Ａ（２，３） Ａ（３，１） Ａ（３，２） Ｂ（１，２） Ｂ（１，３） Ｂ（２，１） Ｂ（２，３） Ｂ（３，１） Ｂ（３，２）
• 至此，该问题的状态空间（Ｓ，Ｆ，Ｇ）构造完成。这就 完成了对问题的状态空间表示。
３ 利用状态空间求解问题的过程
• 说明：
①可能有多个算符序列都可使问题从初始状态变到目标 状态，这就得到了多个解。其中有的使用算符较少，有 的较多，把使用算符最少的解称为最优解。这里只是从 解中算符的个数来评价解的优劣，评价解的优劣主要是 看使用算符时所付出的代价，只有总代价最小的解才是 最优解。 ②对任何一个状态，可使用的算符可能不止一个，这样 由一个状态所生成的后继状态就可能有多个。当对这些 后继状态使用算符生成更进一步的状态时，首先应对哪 一个状态进行操作呢？这属于搜索策略的问题，不同的 搜索策略其操作的顺序是不相同的。
人工智能第7章搜索策略(12-09)
第七章搜索策略搜索是人工智能中的一个基本问题，是推理不可分割的一部分，它直接矢系到智能系统的性能与运行效率，因而尼尔逊把它列入人工智能研究的四个核心问题之一。
第七章搜索策略•7 • "I基本概念・73与/或图的搜索第略♦7」博弈树a索24第七章搜索策略]• 7.1吐木概念・7.2欢态空｛11册搜宓览术• 73 I 刀或图的牠索策略X 7.1. 1什么是搜索根据问题的实际情况不断寻找可利用的知识，从而构造一条代价较少的推理路线，从而使问题匮8 满得到解决的过程称为搜索。
,7」.1什么最搜索 ■ 7 |二状念I 间灰小 > 7J-3 U 咸 THJDidJ.«七章授索彙昭3茎本播念搜索分为盲目搜索利启发式搜索°肓仔如（或称非启发式搜索）是按预定的控制策略进 行搜索，在搜索过程中获得的中间信息不用来改进搜索策 略。
启笈式掇转（或称非盲目搜索）是在搜索中加入了与 问题有矢的启发性信息•用以指导搜索朝着最有希望的方 向前进，加速问题的求解过程井且找到最优解。
-7.1.2状态图表示法K 什么是状态图例题7.1设仆二个钱币，氏初始状态为（反、正、反），欲得的 目标状态为（正、正、正）或（反•反、反）。
目标状态问题是允许每次只能且必须H 转一个钱币，连翻三次， 问能否达到目标状态？初始状态/④止®®®®®®®【解】要求解这个问题■可通过引入一个3维变量将问题表示出来。
设3维变量为：其中:qi=O表示正，qjT表示反(iT,2,3)共有八种组合：Qo=( O3O5O) Q1 ={ 0,0,1)□2= (0,150) □3=(0,1,1)€>4=( 1)0,0)八5= (1 >0,1)Q6 = (lJ5O)Q7={1JJ)每个组合就视为一个芳点。
初始状态为Q5,目表状态为Q济Q?810dJ 图可得解有7个，a ah, aha ,haa , hbh, hcc . ebc , ccb其中：“表示a 的变化.b 表示蚯的变化，C 表示Cb 的变化•-7.1.2状态图表不法把这种描述得到的有向图称为状态（空间）图. 其屮的节点代表一种格局（或称为状态）•而两节点之 间的连线表示两节点之间的联系•它可视为某种操作、规 则、变换等。
人工智能第三章_搜索策略-1
❖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。
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。
2020/10/31
6
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
（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。
2020/10/31
5
➢ 在人工智能中，搜索问题一般包括两个重 要的问题：
分析：通过引入一个三维变量将问题表示出来。设 三维变量为：Q=[q1,q2,q3]，式中qi (i=1,2,3)=1表 示钱币为正面，qi (i=1,2,3)=0表示钱币为反面。 则三个钱币可能出现的状态有8种组合： Q0=(0,0,0),Q1=(0,0,1),Q2=(0,1,0),Q3=(0,1,1),Q4= (1,0,0),Q5=(1,0,1), Q6=(1,1,0), Q7=(1,1,1)。 即初始状态为Q5，目标状态为Q0或Q7，要求步数为3。
2020/10/31
21
钱币问题的状态空间图
2020/10/31
22
状态空间搜索
——1.状态空间及其搜索的表示
(2)状态空间表示的经典例子“传教士和野人问题” ★
问题的描述：
N个传教士带领N个野人划船过河； 3个安全约束条件：
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。
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。
2020/10/31
6
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
（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。
2020/10/31
5
➢ 在人工智能中，搜索问题一般包括两个重 要的问题：
分析：通过引入一个三维变量将问题表示出来。设 三维变量为：Q=[q1,q2,q3]，式中qi (i=1,2,3)=1表 示钱币为正面，qi (i=1,2,3)=0表示钱币为反面。 则三个钱币可能出现的状态有8种组合： Q0=(0,0,0),Q1=(0,0,1),Q2=(0,1,0),Q3=(0,1,1),Q4= (1,0,0),Q5=(1,0,1), Q6=(1,1,0), Q7=(1,1,1)。 即初始状态为Q5，目标状态为Q0或Q7，要求步数为3。
2020/10/31
21
钱币问题的状态空间图
2020/10/31
22
状态空间搜索
——1.状态空间及其搜索的表示
(2)状态空间表示的经典例子“传教士和野人问题” ★
问题的描述：
N个传教士带领N个野人划船过河； 3个安全约束条件：
状态空间的搜索策略
OPEN： OPEN：未扩展节点表
扩展：用合适算符对一个节点 扩展 ： 进行操作，生成一组子节点。 进行操作，生成一组子节点。 存放刚生成的节点。 存放刚生成的节点。 不同搜索策略， 节点在OPEN 不同搜索策略 ， 节点在 OPEN 表中的排列顺序不同。 表中的排列顺序不同。
COLSE表 COLSE表 编号 状态节点 父节点 OPEN表 OPEN表 状态节点 父节点
当搜索树不再有末被扩展的端节点时， 表为空， 当搜索树不再有末被扩展的端节点时，即OPEN表为空， 表为空 搜索过程失败，从初始节点达不到目标节点。 搜索过程失败，从初始节点达不到目标节点。一般搜索过程的几点说明
4. 步骤⑥的说明 步骤⑥ 一个节点经一个算符操作通常指生成一个子节点。 一个节点经一个算符操作通常指生成一个子节点。 由于适用于一个节点的算符可能有多个， 由于适用于一个节点的算符可能有多个 ， 此时就会 生成一组子节点。 生成一组子节点。 判断子节点是否是当前扩展节点的父节点、 判断子节点是否是当前扩展节点的父节点 、 祖父节 点等，若是，则删除。 点等，若是，则删除。 余下的子节点记做集合M，加入图 中 余下的子节点记做集合 ，加入图G中。 扩展节点时，生成该节点的所有后继节点。 扩展节点时，生成该节点的所有后继节点。
CLOSED： CLOSED：已扩展节点表
存放将扩展或已扩展节点。 存放将扩展或已扩展节点。
一般搜索过程算法流程
建立只含有初始节点S的搜索图G， 放到OPEN表中； 表中； ① 建立只含有初始节点 的搜索图 ，把S放到 放到 表中 建立CLOSED表，其初始值为空表； ② 建立 表 其初始值为空表； 表是空表， ③ 若OPEN表是空表，则失败退出； 表是空表 则失败退出； ④ 选择 选择OPEN表中第一个节点，把它从 表中第一个节点， 表中第一个节点 把它从OPEN表移出并放进 表移出并放进 CLOSED表中，称此节点为节点 ； 表中， 表中 称此节点为节点n； 为目标节点， ⑤ 若n为目标节点，则有解并成功退出，解是追踪图 中沿 为目标节点 则有解并成功退出，解是追踪图G中沿 指针从 到 这条路径得到 指针在第⑦步中设置） 这条路径得到（ 指针从n到S这条路径得到（指针在第⑦步中设置）； 扩展n，生成不是n的祖先的那些后继节点的集合 的祖先的那些后继节点的集合M， ⑥ 扩展 ， 生成不是 的祖先的那些后继节点的集合 ， 把 M的这些成员作为 的后继节点添入图 中； 的这些成员作为n的后继节点添入图 的这些成员作为 的后继节点添入图G中
扩展：用合适算符对一个节点 扩展 ： 进行操作，生成一组子节点。 进行操作，生成一组子节点。 存放刚生成的节点。 存放刚生成的节点。 不同搜索策略， 节点在OPEN 不同搜索策略 ， 节点在 OPEN 表中的排列顺序不同。 表中的排列顺序不同。
COLSE表 COLSE表 编号 状态节点 父节点 OPEN表 OPEN表 状态节点 父节点
当搜索树不再有末被扩展的端节点时， 表为空， 当搜索树不再有末被扩展的端节点时，即OPEN表为空， 表为空 搜索过程失败，从初始节点达不到目标节点。 搜索过程失败，从初始节点达不到目标节点。一般搜索过程的几点说明
4. 步骤⑥的说明 步骤⑥ 一个节点经一个算符操作通常指生成一个子节点。 一个节点经一个算符操作通常指生成一个子节点。 由于适用于一个节点的算符可能有多个， 由于适用于一个节点的算符可能有多个 ， 此时就会 生成一组子节点。 生成一组子节点。 判断子节点是否是当前扩展节点的父节点、 判断子节点是否是当前扩展节点的父节点 、 祖父节 点等，若是，则删除。 点等，若是，则删除。 余下的子节点记做集合M，加入图 中 余下的子节点记做集合 ，加入图G中。 扩展节点时，生成该节点的所有后继节点。 扩展节点时，生成该节点的所有后继节点。
CLOSED： CLOSED：已扩展节点表
存放将扩展或已扩展节点。 存放将扩展或已扩展节点。
一般搜索过程算法流程
建立只含有初始节点S的搜索图G， 放到OPEN表中； 表中； ① 建立只含有初始节点 的搜索图 ，把S放到 放到 表中 建立CLOSED表，其初始值为空表； ② 建立 表 其初始值为空表； 表是空表， ③ 若OPEN表是空表，则失败退出； 表是空表 则失败退出； ④ 选择 选择OPEN表中第一个节点，把它从 表中第一个节点， 表中第一个节点 把它从OPEN表移出并放进 表移出并放进 CLOSED表中，称此节点为节点 ； 表中， 表中 称此节点为节点n； 为目标节点， ⑤ 若n为目标节点，则有解并成功退出，解是追踪图 中沿 为目标节点 则有解并成功退出，解是追踪图G中沿 指针从 到 这条路径得到 指针在第⑦步中设置） 这条路径得到（ 指针从n到S这条路径得到（指针在第⑦步中设置）； 扩展n，生成不是n的祖先的那些后继节点的集合 的祖先的那些后继节点的集合M， ⑥ 扩展 ， 生成不是 的祖先的那些后继节点的集合 ， 把 M的这些成员作为 的后继节点添入图 中； 的这些成员作为n的后继节点添入图 的这些成员作为 的后继节点添入图G中
状态空间与图搜索
1,1 A(1,3)
2,1 2,3
3,3
1,3
3,1 B(1,2)
3,2 A(3,2)
1,2 2,2
A B
12 3
S0
《人工智能》
A B
12 3
Sg
猴子摘香蕉问题
c
a
b
《人工智能》
状态：(w,t,x,y,z)
初始状态：(c,a,b,0,0)
w:猴子的水平位置
{a,b,c} 目标状态：(a,a,a,1,1)
《人工智能》
树节点深度： 根节点深度=0 其它节点深度=父节点深度+1
0 1
2
3
《人工智能》
路径的代价（耗散值） 等于连接这条路径各节点间所有代价（耗散值）的总和。
代价树：边上标有代价的树状结构图 若干记号： S0－初始态；Sg－目标态； g(x)－从S0到节点x的代价；g(xj)=g(xi)+ C(xi, xj)
《人工智能》
n 皇后问题解的个数:独立解U;互不相同的解D 现在还没有已知公式可以对 n 计算 n 皇后问题的解的个数。
n 1 2 3 4 5 6 7 8 9 10 11 12
13
14
U 1 0 0 1 2 1 6 12 46 92 341 1787 9233 45752
D 1 0 0 2 10 4 40 92 352 724 2680 14200 73712 365596
m 0 m c 1,2 m 3
m c 1,2
(3,3,1)
(3,2,0)
(2,2,0) (3,1,0)
m m x b 1: c c y ,
b 0
m m x b 0 : c c y ,
人工智能第三版课件第3章 搜索的基本策略
2.3.1 启发式信息的表示
(2) 启发式函数应能够估计出可能加速 达到目标的程度
这可以帮助确定当扩展一个节点时，那些 节点应从搜索树中删除。
启发式函数对搜索树(图)的每一节点的真正 优点估计得愈精确,解题过程就愈少走弯路。
2.3.1 启发式信息的表示
例 2.8 八 皇 后 问 题 (8-Queens problem）
弱法主要包括： ．最佳优先法 ．生成测试法 ．爬山法 ．广度优先法 ．问题归约法 ．约束满足法 ．手段目的分析法。
1．生成测试法(Generateand-test）
生成测试法的基本步骤为： 1. 生成一个可能的解，此解是状态空 间一个点，或一条始于S0的路径。 2. 用生成的“解”与目标比较。 3. 达到目标则停止，否则转第一步。
确定一个启发式函数f(n), n 为被搜索 的节点,它把问题状态的描述映射成问题 解决的程度，通常这种程度用数值来表示， 就是启发式函数的值。这个值的大小用来 决定最佳搜索路径。
2.3.1 启发式信息的表示
（2）表示成规则
如AM的一条启发式规则为： 如 果 存 在 一 个 有 趣 的 二 元 函 数 f(x,y) ， 那 么看看两变元相同时会发生什么？
2.3.1 启发式信息的表示
如何构造启发式函数？ （1）启发式函数能够根据问题的当前状态， 确定用于继续求解问题的信息。
这样的启发式函数能够有效地帮助决定 那些后继节点应被产生。
2.3.1 启发式信息的表示
例2.7 八数码问题。
S0
283 16 4
Sg
75
123 84 7 65
问题空间为：
a11 a12 a13 a21 a22 a23 a31 a32 a33
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
5.3 启发式搜索策略
5.3.1 启发信息与估价函数 5.3.2 最佳优先搜索 5.3.3 A*算法
Hale Waihona Puke 要重点掌握的问题用宽度优先搜索和深度优先搜索求解八数 码问题； 用代价树的宽度优先搜索和深度优先搜索 求解推销员旅行问题； 用全局最佳优先搜索八数码问题。
状态空间搜索策略
搜索是人工智能的基本问题，是推理不可 分割的一部分 问题求解就是搜索过程 搜索对应的知识表示法：
计算f(n, mi):=g(n, mi)+h(mi);
A算法（续）
ADD(mj, OPEN), 标记mj到n的指针； IF f(n, mk)<f(mk) THEN f(mk):=f(n, mk), 标记mk到n的指针；
IF f(n, ml)<f(ml,) THEN f(ml):=f(n, ml), 标记ml到n的指针, ADD(ml, OPEN); 7, OPEN中的节点按f值从小到大排序； 8, GO LOOP；
2 8 3 7 1 4 6 5
2 3 1 8 4 I(5) 7 6 5 1 2 3 8 4 7 6 5
6
5
2 3 1 8 4 7 6 5
J(7)
G(6)
H(7)
K(5)
1 2 3 7 8 4 6 5
L(5)
1 2 3 8 4 7 6 5
目标
M(7)
A*条件举例
8数码问题
h1(n) = “不在位”的将牌数 h2(n) = 将牌“不在位”的距离和
A算法
1, 2, 3, 4, 5, 6, OPEN:=(s), f(s):=g(s)+h(s); LOOP: IF OPEN=( ) THEN EXIT(FAIL); n:=FIRST(OPEN); IF GOAL(n) THEN EXIT(SUCCESS); REMOVE(n, OPEN), ADD(n, CLOSED); EXPAND(n) →{mi},
1 2
3 4 5
2 8 3 8 1 6 4 7 5 7 6
将牌1：1 将牌2：1 将牌6：1 将牌8：2
一个A算法的例子
2 8 3 1 6 4 7 5 1 2 8 7 6 3 4 5
定义评价函数： f(n) = g(n) + h(n) g(n)为从初始节点到当前节点的耗散值 h(n)为当前节点“不在位”的将牌数
h计算举例
1 2 2 8 8 1 6 7 3 3 4 5 4 5
7 6
h(n) =4
2 8 3 1 6 4 7 5 2 8 3 1 6 4 7 5
3
s(4)
1
A(6)
2 8 3 1 4 7 6 5 2 3 1 8 4 7 6 5
2
B(4)
4
2 8 3 1 6 4 7 5 2 8 3 1 4 7 6 5
C(6)
2 8 3 1 4 D(5) 7 6 5
E(5)
F(6)
8 3 2 1 4 7 6 5
深度优先搜索
1, G:=G0(G0=s), OPEN:=(s), CLOSED:=( ); 2, LOOP: IF OPEN=( ) THEN EXIT (FAIL); 3, n:=FIRST(OPEN); 4, IF GOAL(n) THEN EXIT (SUCCESS); 5, REMOVE(n, OPEN), ADD(n, CLOSED); 6, EXPAND(n) →{mi}, G:=ADD(mi, G); 7, ADD(mj, OPEN), 并标记mj到n的指针; 8, GO LOOP;
状态空间表示法、与/或树表示法
（6）对节点n进行扩展，将它的所有后继节点放入OPEN表的末端， 并为这些后继节点设置指向父节点n的指针，然后转步骤（2）
宽度优先搜索
1, G:=G0(G0=s), OPEN:=(s), CLOSED:=( ); 2, LOOP: IF OPEN=( ) THEN EXIT (FAIL); 3, n:=FIRST(OPEN); 4, IF GOAL(n) THEN EXIT (SUCCESS); 5, REMOVE(n, OPEN), ADD(n, CLOSED); 6, EXPAND(n) →{mi}, G:=ADD(mi, G); 7, ADD(OPEN, mj), 并标记mj到n的指针; 8, GO LOOP;
第五章 状态空间搜索策略
第5章 状态空间搜索策略
5.1 搜索的概念及种类 5.2 盲目搜索策略
5.2.1 5.2.2 5.2.3 5.2.4 5.2.5 5.2.6 5.1.1 搜索的概念 5.1.2 搜索的种类
状态空间图的搜索策略 宽度优先搜索 深度优先搜索 有界深度优先搜索 代价树的宽度优先搜索 代价树的深度优先搜索