人工智能及其应用蔡自兴第四版

实质：选择OPEN表上具有最小 f 值的节点作为下 一个要扩展的节点。
Nilsson（尼尔逊）方法：一个节点的“希望” 越大，则其 f 值越小。被选择的节点是估价函数最 小的节点。
思考：如果把宽度优先、深度优先、等代价搜索方法作 为有序搜索的特例，那么它们的 f 函数如何计算？ 举例示范。
27
算法
18
3.2 盲目搜索
深度优先搜索示意图
S
L M F
O
P F
Q F
N F
19
3.2 盲目搜索 开始
把S放入OPEN表 是
失败
OPEN表为空表？
否 把第一个节点(n)从OPEN表移至CLOSED表 节点n的深度等于最大深度？ 否
扩展n，把n的后继节点放入OPEN 表的前端，提供返回节点n的指针
是 是否有后继节点 成功 为目标节点？ 否 图3.6 深度优先算法框图
16
3.2 盲目搜索
17
3.2 盲目搜索
3.2.2 深度优先搜索(Dephth-first)
定义：
首先扩展最新产生的(即最深的)节点。
特点： 防止搜索过程沿着无益的路径扩展下去，往往给 出一个节点扩展的最大深度——深度界限。
与宽度优先搜索算法最根本的不同在于：将扩展 的后继节点放在OPEN表的前端。
grasp
（c，1，c，1）
4
3.1 图搜索策略
goto（U）
（a，0，b，0） goto（U） （U，0，b，0）
U=b, pushbox（V） U=b，climbbox pushbox（V） V≠c，climbbox （V，0，V，0） V=c，climbbox （c，1，c，0） goto（U） （U，0，V，0） goto（U） （c，1，c，1） 目标状态 (b，1，b，0)
28
3.3 启发式搜索
八数码难题
（1）估价函数设臵： f(n) = d(n) + W(n)
d(n): 节点n的深度； W(n):错放的棋子数
（2）如下的八数码难题（8-puzzle problem）
2 8 1 6 7
3 4 5
1 2 8 7 6
3 4 5
（初始状态）
（目标状态）
（3）八数码难题的有序搜索树见下图：
8
3.1 图搜索策略
6）扩展节点n，同时生成不是n的祖先的那些后继节点的 集合M。把M的这些成员作为n的后继节点添入图G中。 7）对那些未曾在G中出现过的M成员设置一个通向n的指 针。把M的这些成员加进OPEN表。对已经在OPEN或 CLOSED表上的每一个M成员，确定是否需更改通到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。
应用节点“希望”程度（估价函数值）重排OPEN表；有序搜 索也称为最佳优先搜索； 估价函数举例：
– （1）棋局的得分； – （2）距离目标状态的距离量度； – （3）TSP问题中的路径；
思考：f 函数的计算，重排序的方法？
26
3.3 启发式搜索
3.3.2 有序搜索（Ordered Search； Best－first Search）
是 是否有后继节点 成功 为目标节点？ 否 图3.2 宽度优先算法框图
思考：与原始算法比较异同，宽度优先的体现？
15
3.2 盲目搜索
例子 八数码难题（8-puzzle problem）
2 1 8 3 4 1 8 2 3 4
7 6
5
7 6
5
（初始状态）
（目标状态）
规定：将牌移入空格的顺序为：从空格左边 开始顺时针旋转。不许斜向移动，也不返回 先辈节点。从图可见，要扩展26个节点，共 生成46个节点之后才求得解（目标节点）。
– （4）对OPEN表节点的排序有何意义？
提出：盲目搜索与启发式搜索。
11
3.2
盲目搜索
盲目搜索又叫做无信息搜索，一般只适用于求解比较 简单的问题。
– 特点：不需重排OPEN表； – 种类：宽度优先、深度优先、等代价搜索等。
3.2.1 宽度优先搜索（Breadth-first）
定义：
以接近起始节点的程度逐层扩展节点的搜索方法。
– 初始节点————初始数据库；
– 目标节点————目标数据库；
– 状态图的一条路径问题————求得把一个数据库变换为另一
数据库的规则序列问题。
图搜索过程（GraphSearch）
7
3.1 图搜索策略
图搜索的一般过程如下：
1）建立一个只含有起始节点S的搜索图G，把S放到一个 叫做OPEN 的未扩展节点表中。 2）建立一个叫做CLOSED的已扩展节点表，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 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)。
有序搜索（Ordered Search）
– 总是选择“最有希望tion Function）
– 为获得某些节点“希望”的启发信息，提供一个评定侯选扩展节点的方 法，以便确定哪个节点最有可能在通向目标的最佳路径上 。 f(n)——表示节点n的估价函数值
算符：
–
Goto（U）， • （W，0，Y，z） – Pushbox（V）， • （W，0，W，z） – Climbbox， • （W，0，W，z） – Grasp， • （c，1，c，0）
goto（U）
（U，0，Y，z） （V，0，V，z） （W，1，W，z）
pushbox（V）
climbbox
盲目搜索可能带来组合爆炸。
启发式信息：用来加速搜索过程的问题领域信息，一般与有关问题
具体领域背景有关，不一定具有通用性。
启发式搜索：利用启发式信息的搜索方法
– 特点：重排OPEN表，选择最有希望的节点加以扩展
– 种类：有序搜索、A*算法等
25
3.3 启发式搜索
3.3.1 启发式搜索策略和估价函数
24
图3.8 等代价搜索算法框图
3.3 启发式搜索
思考： （1）图搜索方法的基本步骤？ （2）宽度优先、深度优先、等代价方法的特点？ （3）盲目搜索的缺点？
基本步骤：初始化，判断OPEN表是否为空，选择节点n，判断n是否 目标节点，扩展节点n，重排OPEN表、调整指针，循环。
各自特点：重排OPEN表的依据不同。
20
3.2 盲目搜索
示范：有界深度(4)优先的八数码问题深度优先 搜索树？
2 1 7 8 6 3 4 5 1 8 7 2 6 3 4 5
（初始状态）
（目标状态）
21
3.2 盲目搜索
22
3.2 盲目搜索
3.2.3 等代价搜索
定义 是宽度优先搜索的一种推广，不是沿着等长度路 径断层进行扩展，而是沿着等代价路径断层进行扩展。 搜索树中每条连接弧线上的有关代价,表示时间、 距离等花费。 算法 在等价搜索算法中，把从节点i到其后续节点j的连 接弧线记为c(I,j),把从起始节点S到任一节点I的路径代 价记为g(i)。在搜索树上，假设g(i)也是从起始节点S到 节点的最少代价路径上的代价。
(2)
OPEN CLOSED
10
3.1 图搜索策略
图搜索的生成结果：
– 搜索图（G） – 搜索树（T）
修正算法：
– 一次只生成一个后继节点；
思考：
– （1）结果路径的形成中，为什么其节点顺序是明确的？ – （2）OPEN表中的节点具有什么特点？
– （3）CLOSED表中的节点具有什么特点？
猴子和香蕉问题的状态空间图
提问：人工搜索求解的解答？
5
3.1 图搜索策略
猴子和香蕉问题自动演示：
•
香蕉
Ha!Ha!
箱子
猴子
思考：计算机的搜索策略？
6
3.1 图搜索策略
图搜索控制策略:一种在图中寻找路径的方法。
– 图中每个节点对应一个状态; – 每条连线对应一个操作符。
用产生式系统的数据库和规则来标记：
5）把n的所有后继节点放到OPEN表的末端，并提供从这些后 继节点回到n的指针。
6）如果n的任一个后继节点是个目标节点，则找到一个解答， 成功退出；否则转向第(2)步。
14
3.2 盲目搜索 开始
把S放入OPEN表 是
失败
OPEN表为空表？
否 把第一个节点(n)从OPEN表移至CLOSED表 扩展n，把n的后继节点放入OPEN 表的末端，提供返回节点n的指针
特点：
一种高代价搜索，但若有解存在，则必能找到它。
12
宽度优先搜索示意图
S
L M F
O
P F
Q F
N F
13
3.2 盲目搜索
宽度优先搜索算法：
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的扩展节点表中。 4）扩展节点n。如果没有后继节点，则转向上述第(2)步。
– g 的一个选择就是搜索树中从 S 到 n 的这段路径的代价；显然有 g(n)≥ g*(n)； – h 的依赖于领域的启发信息，比如八数码问题中的 W(n), h 称为 启发式函数；
29
3.3 启发式搜索
30
3.3 启发式搜索
f 函数的重要性