人工智能及其应用-状态空间的盲目搜索
人工智能状态空间搜索策略
h计算举例
123 283 81 6 4 4 7 55 76
h(n) =4
283
A(6) 1 6 4
75
283 3
D(5) 1 4
765
2 8 3 s(4)
164 1 75
283 2
1 4 B(4)
765
283
1 6 4 C(6)
75
4
23
1 8 4 E(5)
765
283
1 4 F(6)
7 65
83 214 765
•
企业的出路在于产品更新换代。。18: 20:2918 :20:291 8:203/ 22/2022 6:20:29 PM
•
在企业内部，只有成本。。22.3.2218: 20:2918 :20Mar -2222-Mar-22
•
人人是人才，赛马不相马，给每一个 愿意干 事的人 才以发 挥才干 的舞台 。。18: 20:2918 :20:291 8:20Tuesday, March 22, 2022
A算法
1, OPEN:=(s), f(s):=g(s)+h(s); 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},
问题求解就是搜索过程 搜索对应的知识表示法：
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）
人工智能 第三章 搜索策略
动 作 b=0, c=c-1 b=0, m=m-1 b=0, m=m-1, c=c-1 b=0, c=c-2 b=0, m=m-2 b=1, c=c+1 b=1, m=m+1 b=1, m=m+1, c=c+1 b=1, c=c+2 13 b=1, m=m+2
3.1.2 状态空间问题求解方法
3. 状态空间的例子(11/14)
1
3.1.1 搜索的含义
概念： 依靠经验，利用已有知识，根据问题的实际情况，不断寻找可利用知识， 从而构造一条代价最小的推理路线，使问题得以解决的过程称为搜索 适用情况： 不良结构或非结构化问题；难以获得求解所需的全部信息；更没有现成的 算法可供求解使用。 搜索的类型 按是否使用启发式信息： 盲目搜索：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并 不改变控制策略。 启发式搜索：在搜索中加入了与问题有关的启发性信息，用于指导搜索朝 着最有希望的方向前进，加速问题的求解过程并找到最优解。 按问题的表示方式： 状态空间搜索：用状态空间法来求解问题所进行的搜索 与或树搜索：用问题归约法来求解问题时所进行的搜索
3.1.2 状态空间问题求解方法
3. 状态空间的例子(5/14) 例3.2 修道士(Missionaries)和野人(Cannibals)问题(简称M-C问题)。 设在河的一岸有3个野人、3个修道士和1条船，修道士想用这条船把所有的 人运到河对岸，但受以下条件的约束： 第一，修道士和野人都会划船，但每次船上至多可载2个人； 第二，在河的任一岸，如果野人数目超过修道士数，修道士会被野人吃掉。 如果野人会服从任何一次过河安排，请规划一个确保修道士和野人都能过 河，且没有修道士被野人吃掉的安全过河计划。 解：先选取描述问题状态的方法。这里，需要考虑两岸的修道士人数和野 人数，还需要考虑船在左岸还是在右岸，故可用如下三元组来表示状态 S=(m, c, b) 其中，m表示左岸的修道士人数，c表示左岸的野人数，b表示左岸的船数。 而右岸的状态可由下式确定： 右岸修道士数 m'=3-m 右岸野人数 c'=3-c 右岸船数 b'=1-b 在这种表示方式下，m和c都可取0、1、2、3中之一，b可取0和1中之一。 9 因此，共有4×4×2=32种状态。
人工智能之状态空间搜索
操作称为合法操作，否则称为非法操作。
可行的操作称为合法操作。 不可行的操作称为非法操作。
§02 Three-S 问题的描述
2.3 Three-S 问题描述示例
Ruan Xiaogang Institute of Artificial Intelligence & Robots Beijing University of Technology
§02 Three-S 问题的描述
2.3 Three-S 问题描述示例
Ruan Xiaogang Institute of Artificial Intelligence & Robots Beijing University of Technology
八数码问题：
状态 (State) 状态的编码或表达方法：
§01 Three-S 的基本思想
1.1 所谓状态空间搜索：
Ruan Xiaogang Institute of Artificial Intelligence & Robots Beijing University of Technology
机器的一种思维方式
模拟人的问题球解过程，模拟人的思维或逻辑推 理，是人工智能，特别是符号计算学的重要任务。 人工智能的问题求解方法，是人的思维和逻辑推 理的形式化，是机器或计算机的思维和逻辑推理。 状态空间搜索 (The Search in State Spaces, Three-S)
§02 Three-S 问题的描述
2.3 Three-S 问题描述示例
Ruan Xiaogang Institute of Artificial Intelligence & Robots Beijing University of Technology
人工智能及其应用第四版答案
人工智能及其应用第四版答案【篇一：人工智能及其应用习题参考答案第9章】txt>9-1 分布式人工智能系统有何特点？试与多艾真体系统的特性加以比较。
分布式人工智能系统的特点：(1) 分布性系统信息(数据、知识、控制)在逻辑上和物理上都是分布的(2) 连接性各个子系统和求解机构通过计算机网络相互连接(3) 协作性各个子系统协调工作(4) 开放性通过网络互连和系统的分布，便于扩充系统规模(5) 容错性具有较多的冗余处理结点、通信路径和知识，提高工作的可靠性(6) 独立性系统把求解任务归约为几个相对独立的子任务，降低了问题求解及软件开发的复杂性9-2 什么是艾真体？你对agent的译法有何见解？agent是能够通过传感器感知其环境，并借助执行器作用于该环境的实体，可看作是从感知序列到动作序列的映射。
其特性为：行为自主性，作用交互性，环境协调性，面向目标性，存在社会性，工作协作性，运行持续性，系统适应性，结构分布性，功能智能性把agent 译为艾真体的原因主要有：(1) 一种普遍的观点认为，agent是一种通过传感器感知其环境，并通过执行器作用于该环境的实体。
(2) “主体”一词考虑到了agent具有自主性，但并未考虑agent还具有交互性，协调性，社会性，适应性和分布性的特性(3) “代理”一词在汉语中已经有明确的含义，并不能表示出agent的原义(4) 把agent译为艾真体，含有一定的物理意义，即某种“真体”或事物，能够在十分广泛的领域内得到认可(5) 在找不到一个确切和公认的译法时，宜采用音译9-3 艾真体在结构上有何特点？在结构上又是如何分类的？每种结构的特点为何？真体＝体系结构+程序(1) 在计算机系统中，真体相当于一个独立的功能模块，独立的计算机应用系统。
(2) 真体的核心部分是决策生成器或问题求解器，起到主控作用(3) 真体的运行是一个或多个进程，并接受总体调度(4) 各个真体在多个计算机cpu上并行运行，其运行环境由体系结构支持。
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3章(确定性推理1-图盲目搜索)
1 3
2
1 7
4
3
4 5
2
1 7 8 6
3
4 5
8
6
3
4 5
2
1 7
8
4 6
3
5
8 2 1
3 4
2 7
8 1
3 4 1
2 8
3 4
2 1
3 8 4
2 1
8 6
3 4
2 1
8 6
3 4
2 1
8 4 3
2 1
8 4
3 5765来自657
6
5
7
6
5
7
5
7
5
7
6
5
7
6
8 2 7 1 6
3 4 5
2 7 6
8 1
13
14
1
4
2
8
8
3
3
0
1
2
4
1
5
4
7
7
0
6
6
5
1 8
7
2
3 4
14 15 15
16 16
3 2 4
3 4
8 2 2
1 1
1 8 8
2 2
3 3 3
3 3
2 7 7
7 8
0 0 1
8 0
4 4 4
4 4
7 6 6
0 7
6 1 5
6 6
5 5 0
5 5
6
5
目标节点
最后的CLOSED表：
1 2 3 4 5 6 7 8 9
(6,90)
人
3
宽度优先搜索算法
《人工智能及其应用》(蔡自兴)课后习题答案第3章
第三章搜索推理技术3-1什么是图搜索过程?其中，重排OPEN表意味着什么，重排的原则是什么?图搜索的一般过程如下：(1) 建立一个搜索图G(初始只含有起始节点S)，把S放到未扩展节点表中（OPEN表）中。
(2) 建立一个已扩展节点表（CLOSED表），其初始为空表。
(3) LOOP：若OPEN表是空表，则失败退出。
(4) 选择OPEN表上的第一个节点，把它从OPEN表移出并放进CLOSED表中。
称此节点为节点n，它是CLOSED表中节点的编号(5) 若n为一目标节点，则有解并成功退出。
此解是追踪图G中沿着指针从n到S这条路径而得到的(指针将在第7步中设置)(6) 扩展节点n，生成不是n的祖先的那些后继节点的集合M。
将M添入图G中。
(7) 对那些未曾在G中出现过的(既未曾在OPEN表上或CLOSED表上出现过的)M成员设置一个通向n的指针，并将它们加进OPEN表。
对已经在OPEN或CLOSED表上的每个M成员，确定是否需要更改通到n的指针方向。
对已在CLOSED表上的每个M成员，确定是否需要更改图G中通向它的每个后裔节点的指针方向。
(8) 按某一任意方式或按某个探试值，重排OPEN表。
(9) GO LOOP。
重排OPEN表意味着，在第(6)步中，将优先扩展哪个节点，不同的排序标准对应着不同的搜索策略。
重排的原则当视具体需求而定，不同的原则对应着不同的搜索策略，如果想尽快地找到一个解，则应当将最有可能达到目标节点的那些节点排在OPEN表的前面部分，如果想找到代价最小的解，则应当按代价从小到大的顺序重排OPEN表。
3-2 试举例比较各种搜索方法的效率。
宽度优先搜索(1) 把起始节点放到OPEN表中(如果该起始节点为一目标节点，则求得一个解答)。
(2) 如果OPEN是个空表，则没有解，失败退出；否则继续。
(3) 把第一个节点(节点n)从OPEN表移出，并把它放入CLOSED扩展节点表中。
(4) 扩展节点n。
人工智能及其应用-王万良第五章答案.docx
5.1．什么是搜索？有哪两大类不同的搜索方法？二者的区别是什么？根据实际情况,按照一定的策略或规则,从知识库中寻找可利用的知识,从而构造出一条使问题获得解决的推理路线的过程,就称为搜索搜索一般分为盲目搜索和启发式搜索。
盲目搜索又称为无信息搜索,即在搜索过程中,只按预先规定的搜索控制策略进行搜索,而没有任何中间信息来改变这些控制策略。
由于这种搜索的控制策略都是预定的,不管什么问题都采用这样的控制策略,这就使得搜索带有盲目性,效率不高。
只适用于解决较简单问题。
启发式搜索又称有信息搜索,它是指在求解过程中,根据问题本身的特性或搜索过程中产生的一些信息来不断地改变或调整搜索的方向,使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。
启发式搜索由于考虑到问题本身的特性并利用这些特性,从而使搜索求解的效率更高,更易于求解复杂问题5.2什么是启发式搜索,什么是启发信息？5.3请阐述状态空间的一般搜索过程。
OPEN表与CLOSED表的作用是什么？有何区别？1) 把初始节点S0放入OPEN表,并建立只含S0的图,记为G2) 检查OPEN表是否为空,若为空则问题无解,退出3) 把OPEN表的第一个节点取出放入CLOSE表,记该节点为节点n4) 观察节点n是否为目标节点,若是,则求得问题的解,退出5) 扩展节点n,生成一组子节点。
把其中不是节点n先辈的那些子节点记作集合M,并把这些节点作为节点n的子节点加入G中。
6）针对M中子节点的不同情况,分别进行如下处理对于那些未曾在G中出现过的M成员设置一个指向父节点（n）的指针,并把它放入OPEN表对于那些先前已在G中出现过的M成员,确定是否要修改指向父节点的指针对于那些先前已在G中出现,并且已经扩展了的M成员,确定是否需要修改其后继结点指向父节点的指针7) 按某种搜索策略对OPEN表中的节点进行排序8) 转第2步OPEN表：用于存放刚生成的节点CLOSE表：用于存放将要扩展或已扩展的节点区别：存放节点节点不同,open表存放未扩展的节点,closed表存放已经扩展的节点。
- 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)。
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
g(n1)=g(n)+c(n, n1)。 代价树搜索的目的是为了找到最佳解，即找到一条代价最小的解路径。
代价树的广度优先搜索算法： (1) 把初始节点S0放入Open表中，置S0的代价g(S0)=0； (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) 考察节点n是否为目标。若是，则找到了问题的解，成功退出； (5) 若节点n不可扩展，则转第(2)步； (6) 扩展节点n，生成其子节点ni(i=1, 2, …)，将这些子节点放入Open表中，并为每一
Open表：用于存放刚生成的节点 Closed表：用于存放已经扩展或将要扩展的节点 S0：用表示问题的初始状态
2
3.2.1 状态空间的盲目搜索
广度优先搜索（1/3）
基本思想 从初始节点S0开始逐层向下扩展，在第n层节点还没有全部搜索完之
前，不进入第n+1层节点的搜索。Open表中的节点总是按进入的先后 排序，先进入的节点排在前面，后进入的节点排在后面。
解：代价树如右图所示。其中，红线为最 优解，其代价为8
A4
B
3
45
C2 D
3
E
9
3.2.3 代价树的盲目搜索
代价树的深度优先搜索
代价树的深度优先搜索算法和代价树的广度优先搜索算法的 步骤也基本相同，它们之间的主要差别在于Open表中的节点排 序不同。在代价树的深度优先搜索算法中，每当扩展一个节点 后，仅是把刚生成的子节点按照其边代价由小到大放入Open表 的首部，而不需要对Open表中的全部节点再重新进行排序。
基本思想
状态空间搜索的基本思想 先把问题的初始状态作为当前扩展节点对其进行扩展，生成一组子
节点，然后检查问题的目标状态是否出现在这些子节点中。若出现， 则搜索成功，找到了问题的解；若没出现，则再按照某种搜索策略从 已生成的子节点中选择一个节点作为当前扩展节点。
重复上述过程，直到目标状态出现在子节点中或者没有可供操作的 节点为止。所谓对一个节点进行“扩展”是指对该节点用某个可用操 作进行作用，生成该节点的一组子节点。 算法的数据结构和符号约定
83 21 4 765
22 23
283 12 3 71 4 8 4 6 5 765
24 25 26
83 81 3 283 283 214 2 4 7 4 714 765 765 61 5 65
10
23 184 765
11
28 143 765
12
283 145 76
13
283 16 4
75
18 19 20 21
S0
28 3
1Hale Waihona Puke 476 5Sg 12 3
8
4
76 5
4
3.2.1 状态空间的盲目搜索
广度优先搜索（3/3）
S0
2
283 14
765
3
23 1 84 765
283
1 7
6
541
4
5
283 14 765
283 16 4 75
6
7
89
83
283
23
21 4
714 184
765
65 765
14
15 16 17
深度优先搜索是一种非完备策略。对某些问题，它有可能找 不到最优解，或者根本就找不到解。常用的解决方法是增加一 个深度限制，当搜索达到规定深度但没找到解时向宽度搜索， 称为有界深度优先搜索。
6
7
3.2.2 代价树的盲目搜索
代价树的代价及广度优先搜索(1/2)
代价树的代价：用g(n)表示从初始节点S0到节点n的代价，用c(n, n1)表示从父节点n到 其子节点n1的代价。这样，对节点n1的代价有：
第3章 搜索策略
搜索是人工智能中的一个基本问题，并与推理密切相关，搜索策略的优劣，将直 接影响到智能系统的性能与推理效率。
3.1 搜索概述 3.2 搜索的盲目策略
3.2.1状态空间的盲目搜索 3.2.2 代价树的盲目搜索
3.3 状态空间的启发式搜索 3.4 与/或树的启发式搜索
1
3.2.1 状态空间的盲目搜索
代价树的深度优先搜索是一种非完备策略。对某些问题，它 有可能找不到最优解，或者根本找不到解。为此，也可增加一 个深度限制，当搜索达到规定深度但仍没找到解时向宽度搜索， 称为代价树的有界深度优先搜索。
10