人工智能第5章约束满足问题ppt课件.ppt
第五章 约束满足问题,5.1 约束满足问题 5.2 CSP问题的回溯搜索5.3 约束满足问题的局部搜索5.4 问题的结构,约束满足问题,Constraint Satisfaction Problem,CSP,约束满足问题：包含一组变量和一组变量间的约束。变量集合：X1,X2,Xn（变量Xi的值域Di）约束集合：C1,C2,Cn,找到所有变量的一个（或多个）赋值，使所有约束都得到满足。,约束：用于描述对象的性质、相互关系、任务要求、目标一元谓词序关系语言形如x-yc的方程线性方程和不等式布尔组合代数和三角方程约束表示易于理解、编码和实现,问题的一个状态由对一些或全部变量的赋值定义例如：Xi=vi,Xj=vj,相容的(合法的)赋值：不违反约束条件完全赋值：每个变量都参与CSP的解是满足所有约束的完全赋值,约束满足问题,约束满足问题,变量集合：WA,NT,Q,NSW,V,SA,T 值域:Di=red,green,blue约束：相邻区域颜色不同例如,WA NT,或(WA,NT)组合(red,green),(red,blue),(green,red),(green,blue),(blue,red),(blue,green),e.g.,WA=red,NT=green,Q=red,NSW=green,V=red,SA=blue,T=green,约束满足问题,约束图：节点-变量，弧-约束,约束满足问题,CSP问题的特点,CSP问题的增量形式化：初始状态：空的赋值；后继函数：可以给任何未赋值的变量赋一值，且和先前赋值的变量不冲突目标测试：检验当前赋值是否完全路径耗散：每一步耗散为常数,完全状态形式化：每个状态是一个满足或不满足约束条件的完全赋值。,值域：有限值域无限值域：例如工作安排问题 使用约束语言描述约束例如：StartJob1+5 StartJob3约束类型：一元约束：只限制单个变量的取值，例如：SA green二元约束：和两个变量有关，例如：SA WA 可表示为约束图。,变量类型：离散型连续型：线性规划问题,CSP问题的特点,高阶约束：涉及三个或更多变量例：密码算术 可用超约束图表示。,变量：F T U W R O X1 X2 X3值域：0,1,2,3,4,5,6,7,8,9约束：Alldiff(F,T,U,W,R,O)O+O=R+10 X1X1+W+W=U+10 X2X2+T+T=O+10 X3X3=F,高阶的、有限值域的约束可简化为一个二元约束集合：F T，FU,CSP问题的特点,绝对约束:任何违反规则的都排除在解之外偏好约束：指出哪些解是更偏好的,CSP问题的特点,CSP问题的回溯搜索,CSP问题的每一个解必须有一个完全赋值，如有n个变量，解的深度为n搜索树则扩展到n.,回溯搜索：深度有限搜索，一次为一个变量赋值 1、为一个新生成的变量选择赋值；2、比较，合理吗？3、不合理，回溯,CSP问题的回溯搜索,三个问题：1、下一步选哪个变量，按什么顺序尝试它的值；2、当前变量与未赋值变量的关系；3、如何避免失败，即当一条路径失败时搜索后面的路径如何避免这种失败。（弧相容）,选择合法取值最少的变量-最少剩余值(minimum remaining values,MRV)启发式 最受约束变量(Most constrained variable)启发式 失败优先启发式,变量选择和取值顺序,度启发式：选择涉及对其他未赋值变量的约束数最大的变量来降低未来选择的分支因子。,变量选择和取值顺序,SA的度为5，T的度为0,最少约束值启发式：优先选择在约束图中排除邻居变量的可选值最少的。这样能给剩下的变量赋值留下最大的灵活性。,变量选择和取值顺序,1、前向检验2、约束传播3、处理特殊约束4、智能回溯,减小搜索空间：,当变量X被赋值，则对每个与X相连的未赋值变量Y进行考察，从Y的值域中删去与X矛盾的值。,前向检验,当变量X被赋值，则对每个与X相连的未赋值变量Y进行考察，从Y的值域中删去与X矛盾的值。,前向检验,当变量X被赋值，则对每个与X相连的未赋值变量Y进行考察，从Y的值域中删去与X矛盾的值。,前向检验,当变量X被赋值，则对每个与X相连的未赋值变量Y进行考察，从Y的值域中删去与X矛盾的值。,前向检验,约束传播：将一个变量的约束内容传播到其他变量。,约束传播,有向弧：约束图中连接两个变量弧相容：如果对于变量X的每个取值x，变量Y都有某个取值能和x保持相容，则连接X-Y的弧是相容的。,弧相容,当X的值有删除，X的邻居需重新检验相容性。,应用弧相容能够更早检测到前向检验不能发现的矛盾。可在搜索过程中每次赋值后作传播约束，保持弧相容，即从变量值域中删除某值以消除弧不相容。,Mackworth 1977AC-3：用一队列记录需检验相容性的弧(Xi,Xj)若Xi的值要删除，则每个指向Xi的弧必须重新插入队列检验。,K相容：如果对于任何k-1个变量的相容赋值，第k个变量总能被赋予一个和前k-1个变量相容的值，则该CSP问题是k相容的。强K相容：k相容，k-1相容，1相容。N个节点若是强N相容的，则不需要回溯就能求解该CSP问题。,历时回溯：当一个分支搜索失败就倒退回前一个变量并尝试另一个值。重新访问的是时间最近的决策点。,倒退回导致失败的变量集合（冲突集）中的一个变量。,智能回溯：向后看,变量X的冲突集是通过约束和X相连接的先前已赋值变量的集合。冲突指导的后向跳转：设Xj是当前变量，其冲突集conf(Xj)当Xj的每个可能取值都失败，后向跳转到conf(Xj)中最近一个变量Xi，并置conf(Xi)conf(Xi)U conf(Xj)-Xi,SA失败回溯到Q，Q的冲突集此时为NT,NSW,WA再回溯到NT，NT的冲突集此时为NSW,WA回溯到NSW,局部搜索算法可求解CSP问题，其中CSP问题使用完全状态形式化：初始状态每个变量都赋值，后续函数一次改变一个变量取值。,最小冲突启发式:选择会造成和其他变量的冲突最小的值。,相容性检验的平均次数,CSP 的实现,基本过程：1、为问题选择适当的状态及操作形式化描述方法;2、从某个初始状态出发每次使用一个操作;3、递增建立操作序列;4、一直到达到目标。,问题的结构,将CSP问题分解成独立的子问题。约束图中寻找连通域。,E.g.n=80,d=2280节点,10百万节点/s，需4十亿年 4*220节点，需0.4s,树状结构的CSP问题：任何两个变量最多通过一条路径连通。,树状结构的CSP问题可以在变量个数的线性时间内求解.,树状结构的CSP问题可以在变量个数的线性时间内求解：1.任选一节点作为树的根节点，从根节点到叶节点顺序排列：每个节点的父节点在它前面。2.j=n to 2：弧(Xi,Xj)上应用弧相容算法，删除Xj冲突值3.j=1 to n：赋给Xj跟Xi的值相容的任何值。,X1,X6,X2,约束图树,割集调整：对其中某些变量赋值，并从其他变量的值域中删除不相容值，使剩下的变量能形成树。,约束图树,原变量至少在一个子问题中出现若两个原变量有约束，则应至少同时出现在一个子问题。若一个变量出现在两个子问题中，它必须出现在连接这些子问题的路径上的所有子问题中。,树分解：,
