人工智能课件第3章搜索策略.ppt

《人工智能课件第3章搜索策略.ppt》由会员分享，可在线阅读，更多相关《人工智能课件第3章搜索策略.ppt（219页珍藏版）》请在三一办公上搜索。

1、2022/12/27,1,第3章 搜索策略,问题求解系统划分为两大类知识贫乏系统 依靠搜索技术解决问题 知识贫乏、缺乏针对性效率低 知识丰富系统 依靠推理技术解决问题基于丰富知识的推理技术，直截了当 效率高,2022/12/27,2,3.1 引言,对于给定的问题，智能系统的行为一般是找到能够达到所希望目标的动作序列，并使其所付出的代价最小、性能最好。基于给定的问题，问题求解的第一步是目标的表示。搜索就是找到智能系统的动作序列的过程。,2022/12/27,3,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。,在人工智能中，搜索问题一般包括两个重要的问题：,搜索

2、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。,2022/12/27,4,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,搜索可以根据是否使用启发式信息分为盲目搜索启发式搜索,2022/12/27,5,盲目搜索 只是可以区分出哪个是目标状态。 一般是按预定的搜索策略进行搜索。 没有考虑到问题本身的特性，这种搜索具有很大的盲目性，效率不高，不便于复杂问题的求解。,启发式搜索是在搜索过程中加入了与问题有关的启发式信息，用于指导搜索朝着最有希望的方向前进，加速问题的求解并找到最优解

3、。,2022/12/27,6,根据问题的表示方式分为状态空间搜索与或树搜索,状态空间搜索是用状态空间法来求解问题所进行的搜索,与/或树搜索是指用问题规约方法来求解问题时所进行的搜索。,2022/12/27,7,考虑一个问题的状态空间为一棵树的形式。宽度优先搜索深度优先搜索,如果根节点首先扩展，然后是扩展根节点生成的所有节点，然后是这些节点的后继，如此反复下去。,在树的最深一层的节点中扩展一个节点。只有当搜索遇到一个死亡节点（非目标节点并且是无法扩展的节点）的时候，才返回上一层选择其他的节点搜索。,2022/12/27,8,无论是宽度优先搜索还是深度优先搜索，遍历节点的顺序一般都是固定的，即一旦

4、搜索空间给定，节点遍历的顺序就固定了。这种类型的遍历称为“确定性”的，也就是盲目搜索。对于启发式搜索，在计算每个节点的参数之前无法确定先选择哪个节点扩展，这种搜索一般也称为非确定的。,2022/12/27,9,完备性：如果存在一个解答，该策略是否保证能够找到？时间复杂性：需要多长时间可以找到解答？空间复杂性：执行搜索需要多少存储空间？最优性：如果存在不同的几个解答，该策略是否可以发现最高质量的解答？,搜索策略评价标准:,2022/12/27,10,有许多智力问题(如梵塔问题、旅行商问题、八皇后问题、农夫过河问题等)和实际问题（如路径规划、机器人行动规划等）都可以归结为状态空间搜索。,用状态空间

5、搜索来求解问题的系统均定义一个状态空间，并通过适当的搜索算法在状态空间中搜索解答路径。,3.2 基于状态空间的搜索技术,2022/12/27,11,3.2.1 图搜索的基本概念,显式图与隐式图 显式图把问题有关的全部状态空间图，即相应的全部有关知识(叙述性知识、过程性知识和控制性知识)，都直接存入知识库 隐式图只存储与问题求解有关的部分知识(即部分状态空间)。这种存储方式称为隐式存储。,2022/12/27,12,图搜索的基本思想 图搜索-一种在图中寻找路径的方法 从图中的初始节点开始，至目标节点为止。初始节点和目标节点分别代表产生式系统的初始数据库和满足终止条件的数据库。方法：把问题的初始状

6、态作为当前状态，选择适用的算符对其进行操作，生成一组子状态，检查目标状态是否在其中出现。若出现，则搜索成功，找到了问题的解；若不出现，则按某种搜索策略从已生成的状态中再选一个状态作为当前状态。重复上述过程，直到目标状态出现或者不再有可供操作的状态及算符时为止。,2022/12/27,13,3.2.2状态空间搜索1.什么是状态空间图,例：钱币翻转问题 设有3个钱币，其初始状态为(反、正、反),欲得的目标状态为(正、正、正)或(反、反、反)。问题是允许每次只能且必须翻转一个钱币，连翻三次。问能否达到目标状态。 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,

7、2,3)=0表示钱币为正面，qi (i=1,2,3)=1表示钱币为反面。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)。,2022/12/27,14,三枚钱币问题的状态空间图,2022/12/27,15,3.2.2状态空间搜索2.问题的状态空间表示法,(1)状态空间的表示状态空间记为SP，可表示为二元组：SP=(S,O)S问题求解（即搜索）过程中所有可能到达的合法状态构成的集合；O操作算子的集合，操作算子的执行会导致问题状态的变

8、迁 ；状态用于记载问题求解（即搜索）过程中某一时刻问题现状的快照；抽象为矢量形式 Q=q0,q1,qnT每个元素qi称为状态分量 给定每个状态分量qi的值就得到一个具体的状态 Qk=q0k,q1k,qnkT,2022/12/27,16,状态,表示状态的变迁,操作算子,问题的状态空间是一个表示该问题的全部可能状态及其变迁的有向图。,节点状态有向弧状态的变迁 弧上的标签导致状态变迁的操作算子,用状态空间搜索来求解问题的系统均定义一个状态空间，并通过适当的搜索算法在状态空间中搜索解答路径。,2022/12/27,17,3.2.2状态空间搜索2.问题的状态空间表示法,(2)状态空间表示的经典例子“传教

9、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：1)船上人数不得超过载重限量，设为K个人； 2)任何时刻（包括两岸、船上）野人数目不得超过传教士； 3)允许在河的某一岸或者在船上只有野人而没有传教士；,2022/12/27,18,3.2.2状态空间搜索2.问题的状态空间表示法,(2)状态空间表示的经典例子“传教士和野人问题” 特例：N=3，K=2 状态分量m传教士在左岸的实际人数状态分量c野人在左岸的实际人数状态分量b指示船是否在左岸(1、0)3个安全约束条件m c (左岸安全)且 N-m N-c(右岸安全);m=0且0c N (左岸没有传道士，右岸一定安全);N-

10、m=0且0N-cN (右岸没有传道士，左岸一定安全);,2022/12/27,19,设初始状态下传教士、野人和船都在左岸，目标状态下这三者均在右岸，问题状态以（m,c,b）表示。,问题的求解任务可描述为：(3,3,1) (0,0,0)该简单问题可能到达的合法状态：可能状态总数：442=32根据条件得出合法状态：20m c 且 N-m N-c (左岸安全且右岸安全)m=1,c=1；m=2,c=2 m=0且0c N(左岸没有传道士)m=0,c=0,1,2,3 N-m=0且0N-cN(右岸没有传道士)m=3,c=0,1,2,3不可能到达的合法状态：(0,0,1),(0,3,0),(3,0,1),(3

11、,3,0)可能到达的合法状态共16个,2022/12/27,20,3.2.2状态空间搜索2.问题的状态空间表示法,(2)状态空间表示的经典例子“传教士和野人问题”定义2类操作算子：L(x,y)指示从左岸到右岸的划船操作 R(x,y)指示从右岸到左岸的划船操作x + y K=2(船的载重限制)；x和y取值的可能组合只有5个10，20，11，01，02 ( 允许在船上只有野人而没有传教士 )共有10个操作算子,2022/12/27,21,渡河问题的状态空间有向图,2022/12/27,22,3.2.2状态空间搜索 3.状态空间搜索的基本思想,由此例可以看出用状态空间方法表示问题时，首先必须定义状态

12、的描述形式，通过使用这种描述形式可把问题的一切状态都表示出来。另外，还要定义一组操作，通过使用这些操作可把问题由一种状态转变为另一种状态。 问题的求解过程是一个不断把操作作用于状态的过程。如果在使用某个操作后得到的新状态是目标状态，就得到了问题的一个解。这个解是从初始状态到目标状态所用操作构成的序列。,2022/12/27,23,3.2.2状态空间搜索 3.状态空间搜索的基本思想,由此例可以看出要使问题由一种状态转变到另一种状态时，就必须使用一次操作。这样，在从初始状态转变到目标状态时，就可能存在多个操作序列(即得到多个解)。那么，其中使用操作最少或较少的解才为最优解(因为只有在使用操作时所付

13、出的代价为最小的解才是最优解)。 对其中的某一个状态，可能存在多个操作使该状态变到几个不同的后继状态那么到底用哪个操作进行搜索呢?这就有赖于搜索策略了不同的搜索策略有不同的顺序，这就是本章后面要讨论的问题。,2022/12/27,24,例:在一个33的方格棋盘上放置着1,2,3,4,5,6,7,8八个数码，每个数码占一格，且有一个空格。这些数码可在棋盘上移动，其移动规则是：与空格相邻的数码方可移入空格。现在的问题是：对于指定的初始棋局和目标棋局，给出数码的移动序列。该问题称为八数码问题。,初始棋局,目标棋局,2022/12/27,25,2 31 8 47 6 5,2022/12/27,26,3

14、.2.3 一般图的搜索算法,或图（一般图）一个状态可以有多个可供选择的操作算子；操作算子间的选择是一种“或”的关系;这样的有向图称为或图。,2022/12/27,27,或图（一般图）一个状态可以有多个可供选择的操作算子；操作算子间的选择是一种“或”的关系，这样的有向图称为或图。状态空间一般都表示为或图（一般图）搜索图在搜索解答路径的过程中画出搜索时涉及到的节点和弧线，构成所谓的搜索图。,状态空间搜索,一般图搜索,3.2.3 一般图的搜索算法,2022/12/27,28,符号说明：s-初始状态节点G-搜索图OPEN-存放待扩展节点的表CLOSE-存放已被扩展的节点的表MOVE-FIRST(OPE

15、N)-取OPEN表首的节点作为当前要被扩展的节点n，同时将节点n移至CLOSE表一般图搜索算法划分为二个阶段：1、初始化 2、搜索循环,一般图搜索算法,2022/12/27,29,算法划分为二个阶段：1、初始化 建立只包含初始状态节点s的搜索图G:=sOPEN:=sCLOSE:= 2、搜索循环MOVE-FIRST(OPEN)-取出OPEN表首的节点n作为扩展的节点，同时将其移到close表 扩展出n的子节点,插入搜索图G和OPEN表 适当的标记和修改指针排序OPEN表通过循环地执行该算法，搜索图G会因不断有新节点加入而逐步长大，直到搜索到目标节点。,一般图搜索算法,2022/12/27,30,

16、以下面的八数码为例，看一般图的搜索算法,初始布局,目标布局,2022/12/27,31,2022/12/27,32,2022/12/27,33,2022/12/27,34,2022/12/27,35,2022/12/27,36,2022/12/27,37,2022/12/27,38,2022/12/27,39,2022/12/27,40,2022/12/27,41,2022/12/27,42,2022/12/27,43,2022/12/27,44,2022/12/27,45,2022/12/27,46,2022/12/27,47,2022/12/27,48,2022/12/27,49,2022

17、/12/27,50,节点n扩展后的子节点分为3类：(i)全新节点(ii)已出现在OPEN表中的节点(iii)已出现的CLOSE表中的节点指针标记和修改的方法：(i)类节点：加入OPEN表，建立从子节点到父节点n的指针(ii)类节点、 (iii)类节点比较经由老父节点、新父节点n到达初始状态节点的路径代价 经由节点n的代价比较小，则移动子节点指向老父节点的指针，改为指向新父节点n (iii)类节点还得从CLOSE表中移出，重新加入OPEN表。,一般图搜索算法搜索过程中的指针修改,2022/12/27,51,S,n4,ni,nj,n1,n2,n3,n31,n32,节点ni是当前扩展的节点；扩展出4

18、个后续节点；n1、n2是新节点，只需建立指向父节点的指针，并加入OPEN表；,2022/12/27,52,S,n4,ni,nj,n1,n2,n3,n31,n32,n4已经存在于OPEN表，并且已有父节点njn4经nj的路径代价大取消n4指向nj的指针改为建立n4指向新父节点ni的指针n3已经存在于CLOSE表，并且已有父节点nj需要做和n4同样的比较和指针修改工作。并且要重新加入open表。,2022/12/27,53,3.3 盲目搜索,一般图搜索算法中，提高搜索效率的关键在于优化OPEN表中节点的排序方式 。若每次排在表首的节点都在最终搜索到的解答路径上，则算法不会扩展任何多余的节点就可快速

19、结束搜索。 一种简单的排序策略就是按预先确定的顺序或随机地排序新加入到OPEN表中的节点，常用的方式是深度优先和宽度优先。,2022/12/27,54,3.3.1 宽度优先搜索,OPEN表中节点简单的排序方式：宽度优先扩展当前节点后生成的子节点总是置于OPEN表的后端，即OPEN表作为队列，先进先出，使搜索优先向横向方向发展。,2022/12/27,55,宽度优先实例,2 31 8 47 6 5,1,2,5,6,7,3,目标,8,4,9,10,11,12,13,14,15,16,17,2022/12/27,56,宽度优先搜索,如果搜索是以接近起始节点的程度依次扩展节点的，那么这种搜索就叫做宽度

20、优先搜索。这种搜索是逐层进行的，在对下一层的任意节点进行搜索之前，必须搜索完本层的所有节点。“先产生的节点先扩展”,2022/12/27,57,(1)把初始节点S0，放入OPEN表。(2)如果OPEN表为空。则问题无解，失败并退出。(3)把OPEN表中的第一个节点取出放入CLOSE表中，并按顺序冠以编号n；(4)考察节点n是否为目标节点。若是，则求得了问题的解，成功并退出。(5)若节点n不可扩展，则转第(2)步；(6)扩展节点n，将其子节点放到OPEN表的尾部，并为每一个子节点都配置指向父节点的指针，然后转第(2)步。,采用队列结构，宽度优先过程如下：,2022/12/27,58,宽度优先搜索

21、算法原理：如果当前的节点不是目标节点，则把当点节点的子孙以任意顺序增加到队列的后面，并把队列的前端元素定义为current。如果目标发现，则算法终止。,2022/12/27,59,例：挪动积木问题 如图所示：通过挪动积木块，希望从初始状态达到一个目的状态，即三块积木堆叠在一起。积木A在顶部，积木B在顶中间，积木C在底部。请画出按照宽度优先搜索策略所产生的搜索树。,2022/12/27,60,积木问题的宽度优先搜索树,2022/12/27,61,宽度优先搜索的性质,当问题有解时，一定能找到解当问题为单位代价时，且问题有解时，一定能找到最优解方法与问题无关，具有通用性效率较低属于图搜索方法,202

22、2/12/27,62,宽度优先搜索是一种盲目搜索，时间和空间复杂度都比较高，当目标节点距离初始节点较远时会产生许多无用的节点，搜索效率低。宽度优先搜索中，时间需求是一个很大的问题，特别是当搜索的深度比较大时，尤为严重，但是空间需求是比执行时间更严重的问题。,宽度优先搜索优点：目标节点如果存在，用宽度优先搜索算法总可以找到该目标节点，而且是最小（即最短路径）的节点。,宽度优先搜索的优点和缺点,2022/12/27,63,OPEN表中节点简单的排序方式：深度优先扩展当前节点后生成的子节点总是置于OPEN表的前端，即OPEN表作为栈，后进先出，使搜索优先向纵深方向发展。,3.3.2 深度优先搜索,2

23、022/12/27,64,深度优先实例,2 31 8 47 6 5,1,2,3,4,6,8,9,11,13,14,16,18,19,目标,5,7,10,12,15,17,20,21,2022/12/27,65,深度优先搜索,在深度优先搜索中，首先扩展最新产生的(最深的)节点，深度 相等的节点可以任意排列。“最晚产生的节点最先扩展”,起始节点深度为0 任何其他节点的深度等于其父辈节点深度加上1 :dn=dn-1+1,2022/12/27,66,深度优先搜索,很明显这样做，不一定找到最佳解，而且由于深度的限制，可能找不到解，然而，若不加深度限制，可能沿着一条路线无限制地扩展下去，这当然是不允许的。

24、为保证找到解，应选择适当的深度界限，或者采取不断加大深度界限的办法，反复搜索，直到找到解。这种改进的方法叫做迭代加深搜索。,2022/12/27,67,1)把初始节点S0放入OPEN表； (2)如果OPEN表为空，则问题无解，失败并退出。 (3)把OPEN表中的第一个节点取出放入CLOSE表中，并按顺序冠以编号n； (4)考察节点n是否为目标节点。若是，则求得了问题的解，成功并退出。 (5)若节点n不可扩展，则转第(2)步； (6)扩展节点n，将其予节点放到OPEN表的首部，并为其配置指向父节点的指针，然后转第(2)步。,基于栈实现的深度优先搜索流程：,2022/12/27,68,初始节点放到

25、栈中，栈指针指向栈的最上边的元素。为了对该节点进行检测，需要从栈中弹出该节点，如果是目标，该算法结束，否则把其子节点以任何顺序压入栈中。该过程直到栈变成为空。遍历一棵树的过程（下图）。,2022/12/27,69,例：卒子穿阵问题 一卒子从顶部通过图所示的列阵到达底部。要求卒子行进中不可进入到代表敌兵驻守的区域内，并不准后退。假定限制值为5。请画出按照深度优先搜索策略所产生的搜索树。,2022/12/27,70,卒子穿阵问题的深度优先搜索树,2022/12/27,71,深度优先搜索的性质,一般不能保证找到最优解当深度限制不合理时，可能找不到解，可以将算法改为可变深度限制最坏情况时，搜索空间等同

26、于穷举是一个通用的与问题无关的方法,2022/12/27,72,深度优先搜索的优点是比宽度优先搜索算法需要较少的空间，该算法只需要保存搜索树的一部分，它由当前正在搜索的路径和该路径上还没有完全展开的节点标志所组成。深度优先搜索的存储器要求是深度约束的线性函数。,深度优先搜索的优点,2022/12/27,73,深度优先搜索的缺点,既不是完备的，也不是最优的。 主要问题是可能搜索到了错误的路径上。很多问题可能具有很深甚至是无限的搜索树，如果不幸选择了一个错误的路径，则深度优先搜索会一直搜索下去，而不会回到正确的路径上。这样一来对于这些问题，深度优先搜索要么陷入无限的循环而不能给出一个答案，要么最后

27、找到一个答案，但路径很长而且不是最优的答案。,2022/12/27,74,总结,适用场合 深度优先当一个问题有多个解答或多条解答路径，且只须找到其中一个时；往往应对搜索深度加以限制。 宽度优先确保搜索到最短的解答路径。共同优缺点： 可直接应用一般图搜索算法实现，不需要设计特别的节点排序方法，从而简单易行，适合于许多复杂度不高的问题求解任务。 节点排序的盲目性，由于不采用领域专门知识去指导排序，往往会在白白搜索了大量无关的状态节点后才碰到解答，所以也称为盲目搜索。,2022/12/27,75,3.3.3有界深度搜索和迭代加深搜索,有界深度优先搜索过程总体上按深度优先算法方法进行，但对搜索深度需要

28、给出一个深度限制dm，当深度达到了dm的时候，如果还没有找到解答，就停止对该分支的搜索，换到另外一个分支进行搜索。,2022/12/27,76,(1)把初始节点S0放入OPEN表中，置S0的深度d(S0)=0。(2)如果OPEN表为空，则问题无解，失败并退出。(3)把OPEN表中的第一个节点取出放入CLOSE表中。并按顺序冠以编号n。(4)考察节点n是否为目标节点。若是，则求得了问题的解，成功并退出。(5)如果节点n的深度d(n)= dm，则转第(2)步。(6)如果节点n不可扩展，则转第(2)步。(7)扩展节点n。将其子节点放入OPEN表的首部，并为其配置指向父节点的指针。然后转第(2)步。,

29、有限深度优先搜索的搜索过程如下 ：,2022/12/27,77,策略说明:,（1）深度限制dm很重要。 当问题有解，且解的路径长度小于或等于dm时，则搜索过程一定能够找到解，但是和深度优先搜索一样这并不能保证最先找到的是最优解。 但是当dm取得太小，解的路径长度大于dm时，则搜索过程中就找不到解，即这时搜索过程甚至是不完备的。,2022/12/27,78,（2）深度限制dm不能太大。 当dm太大时，搜索过程会产生过多的无用节点，既浪费了计算机资源，又降低了搜索效率。（3）有界深度搜索的主要问题是深度限制值dm的选取。,2022/12/27,79,改进方法： （迭代加深搜索） 先任意给定一个较小

30、的数作为dm，然后按有界深度算法搜索，若在此深度限制内找到了解，则算法结束；如在此限制内没有找到问题的解，则增大深度限制dm，继续搜索。,2022/12/27,80,迭代加深搜索，试图尝试所有可能的深度限制：首先深度为0，然后深度为1，然后为2，等等。如果初始深度为0，则该算法只生成根节点，并检测它。如果根节点不是目标，则深度加1，通过典型的深度优先算法，生成深度为1的树。当深度限制为m时，树的深度为m。,2022/12/27,81,迭代加深搜索看起来会很浪费，因为很多节点都可能扩展多次。然而对于很多问题，这种多次的扩展负担实际上很小，直觉上可以想象，如果一棵树的分支系数很大，几乎所有的节点都

31、在最底层上，则对于上面各层节点扩展多次对整个系统来说影响不是很大。,2022/12/27,82,3.3.4 搜索最优策略的比较,表注：b是分支系数，d是解答的深度，m是搜索树的最大深度，l是深度限制。,2022/12/27,83,宽度优先搜索、深度优先搜索和迭代加深搜索都可以用于生成和测试算法。宽度优先搜索需要指数数量的空间，深度优先搜索的空间复杂度和最大搜索深度呈线性关系。,2022/12/27,84,迭代加深搜索对一棵深度受控的树采用深度优先的搜索。它结合了宽度优先和深度优先搜索的优点。和宽度优先搜索一样，它是最优的，也是完备的。但对空间要求和深度优先搜索一样是适中的。,2022/12/2

32、7,85,（2）一般图搜索算法常用的简单方式：深度优先宽度优先【缺点：节点排序的盲目性】在白白搜索了大量无关的状态节点后才碰到解答，效率低提高一般图搜索效率的关键优化OPEN表中节点的排序方式,盲目搜索,2022/12/27,86,1,2,5,6,3,4,最理想情况：每次排序后OPEN表表首元素n总在解答路径上,2022/12/27,87,3.4 启发式搜索,启发式知识指导OPEN表排序的一般图搜索：全局排序对OPEN表中的所有节点排序，使最有希望的节点排在表首。A算法， A*算法（掌握！）局部排序仅对新扩展出来的子节点排序，使这些新节点中最有希望者能优先取出考察和扩展；爬山法（了解，对深度优

33、先法的改进）；,2022/12/27,88,3.4.1 启发性信息和评估函数,【基本思想】设计体现启发式知识的评价函数f(n)；指导一般图搜索中OPEN表待扩展节点的排序：【评价函数f(n)=g(n)+h(n) （掌握） 】n-搜索图G中的节点；f(n)- G中从初始状态节点s，经由节点n到达目标节点ng，估计的最小路径代价；g(n)- G中从s到n，目前实际的路径代价；h(n)-从n到ng，估计的最小路径代价；,2022/12/27,89,3.4.2启发式搜索算法A,S,n,ng,目标状态节点ng,初始状态节点S,节点n,搜索图G,h(n): n-ng的估计最小路径代价,g(n):s-n的实

34、际路径代价,f(n):s-n-ng的估计最小路径代价,2022/12/27,90,【评价函数f(n)=g(n)+h(n) （掌握） 】n-搜索图G中的节点；f(n)- G中从s经n到ng，估计的最小路径代价；g(n)- G中从s到n，目前实际的路径代价；h(n)-从n到ng，估计的最小路径代价； h(n)值-依赖于启发式知识加以计算；h(n)称为启发式函数（掌握意义！）。如何用评价函数来实现A算法? （ 掌握！）,2022/12/27,91,A算法的设计与一般图搜索相同，划分为二个阶段：1、初始化 建立只包含初始状态节点s的搜索图G:=sOPEN:=sCLOSE:= 2、搜索循环MOVE-FI

35、RST(OPEN)-取出OPEN表首的节点n 扩展出n的子节点,插入搜索图G和OPEN表 适当的标记和修改指针（子节点父节点）排序OPEN表（评价函数f(n)的值排序）通过循环地执行该算法，搜索图会因不断有新节点加入而逐步长大，直到搜索到目标节点。,2022/12/27,92,算法A的设计与一般图搜索类似，划分为二个阶段：1、初始化 2、搜索循环MOVE-FIRST(OPEN)-取出OPEN表首的节点n 扩展出n的子节点,插入搜索图G和OPEN表 对每个子节点ni,计算f(n,ni)=g(n,ni)+h(ni)适当的标记和修改指针（子节点父节点）排序OPEN表（评价函数f(n)的值排序）,20

36、22/12/27,93,扩展出n的子节点,插入搜索图G和OPEN表 对每个子节点ni,计算f(n,ni)=g(n,ni)+h(ni)适当的标记和修改指针（子节点父节点）(i)全新节点：f(ni)=f(n,ni)(ii)已出现在OPEN表中的节点(iii)已出现的CLOSE表中的节点IF f(ni)f(n,ni) THEN 修改指针指向新父结点n f(ni)=f(n,ni)排序OPEN表（f(n)值从小到大排序）,2022/12/27,94,2.若OPEN表是空表，则失败退出；,算法A,3.选择OPEN表上的第一个节点，把它从OPEN表移出并放进CLOSE表中，称此节点为节点n；,1.建立一个只

37、包含起始节点S的搜索图G,把S放到一个叫OPEN的未扩展节点表中；建立一个叫做CLOSE的已扩展节点表，其初始为空表；,5.扩展节点n，同时生成不是n的祖先的那些子节点的集合M,把M的这些成员作为n的后继节点添入图G中；对于M中每个子节点ni,计算f(n,ni) = g(n,ni) + h(ni);,4.若n为一目标节点，则有解成功退出，此解是追踪图G中沿着指针从n到S这条路径而得到的；,2022/12/27,95,6.对那些未曾在G中出现过的M成员（全新结点）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表上的每一个M成员，比较子节点ni经由新、老父节点的评价函数值f(

38、n,ni)、f(ni);若f(n,ni) f(ni)点,则令f(ni) = f(n,ni),并移动子节点指向老父节点的指针，改为指向新父节点。对已在CLOSE表上的每个M成员，作与第2类同样的处理，并把这些子结点从CLOSE表移出，重新加入OPEN表。,7.按f(n)排序OPEN表中的节点，f(n)值最小者排在首位，重排OPEN表；8.转2。,此过程生成一个明确的图G(搜索图）和一个G的子集T(搜索树）。,2022/12/27,96,1)设计评价函数f(n)f(n)=d(n)+w(n),其中d(n)-节点n在搜索图中的节点深度，对g(n)的度量；w(n)-代表启发式函数h(n),其值是节点n与

39、目标状态节点ng相比较，不考虑空格，错位的棋牌个数；,A算法实例八数码游戏,2022/12/27,97,启发式算法A实例八数码游戏1)设计评价函数f(n)f(n)计算实例,初始布局s,目标布局ng,w(s):错位的棋牌个数,d(s):当前节点深度,f(s),h(n): n-ng的最小路径代价,g(n):s-n的最小路径代价,f(n):s-n-ng的最小路径代价,注：W(S)不考虑空格,2022/12/27,98,（1）搜索术语1、节点深度根节点指示初始状态，令其深度为0；搜索图中的其他节点的深度dn就可以递归地定义为其父节点深度dn-1加1：dn= dn-1+1。,根节点深度=0,第n-1层节

40、点dn-1,第n层节点dn= dn-1+1,搜索图G,2022/12/27,99,启发式算法A实例八数码游戏1)设计评价函数f(n)f(n)计算实例,初始布局s,目标布局ng,w(s):错位的棋牌个数,d(s):当前节点深度,f(s),h(n): n-ng的最小路径代价,g(n):s-n的最小路径代价,f(n):s-n-ng的最小路径代价,0,4,4,注：W(S)不考虑空格,2022/12/27,100,初始化,OPEN:=s4,CLOSE:=,2022/12/27,101,循环1,CLOSE:=s4,OPEN:=a b c,OPEN:=a6 b4 c6,OPEN:=b4 a6 c6,2022

41、/12/27,102,循环2,CLOSE:=s4 b4,OPEN:=a6 c6 d e i,OPEN:=a6 c6 d5 e5 i6,OPEN:=d5 e5 a6 c6 i6,2022/12/27,103,循环3,CLOSE:=s4 b4 d5,OPEN:=e5 a6 c6 i6 j k,OPEN:=e5 a6 c6 i6 j7 k6,OPEN:=e5 a6 c6 i6 k6 j7,2022/12/27,104,循环4,CLOSE:=s4,b4,d5,e5,OPEN:=a6 c6 i6 k6 j7 l m,OPEN:=a6 c6 i6 k6 j7 l5 m7,OPEN:=l5 a6 c6 i6

42、 k6 j7 m7,2022/12/27,105,CLOSE:=s4,b4,d5,e5,l5,循环5,OPEN:=a6 c6 i6 k6 j7 m7 n,OPEN:=a6 c6 i6 k6 j7 m7 n5,OPEN:=n5 a6 c6 i6 k6 j7 m7,2022/12/27,106,循环6,CLOSE:=s4,b4,d5,e5,l5,n5,OPEN:=a6 c6 i6 k6 j7 m7 o g,OPEN:=a6 c6 i6 k6 j7 m7 o7 g5,OPEN:=g5 a6 c6 i6 k6 j7 m7 o7,2022/12/27,107,循环7,成功结束,2022/12/27,10

43、8,最理想搜索图G,2022/12/27,109,判断失误,2022/12/27,110,3.4.3实现启发式搜索的关键因素和A*算法,实现启发式搜索应考虑的关键因素：（1）搜索算法的可采纳性(Admissibility);（2）启发式函数h(n)的强弱及其影响；,2022/12/27,111,1.搜索算法的可采纳性(Admissibility)-19681)定义在存在从初始状态节点到目标状态节点解答路径的情况下，若一个搜索法总能找到最短（代价最小）的解答路径，则称该状态空间中的搜索算法具有可采纳性，也叫最优性。如，宽度优先的搜索算法是可采纳的，只是搜索效率不高。2) A算法的可采纳性定义f*

44、(n)=g*(n)+h*(n)n-搜索图G中最短解答路径的节点；f*(n)- s经节点n到ng的最短解答路径的路径代价；g*(n)-该路径前段（从s到n）的路径代价；h*(n)-该路径后段（从n到ng）的路径代价；,2022/12/27,112,1.搜索算法的可采纳性(Admissibility)3) 评价函数f与f*的比较f(n)、g(n)、h(n)分别是f*(n)、g*(n)、h*(n)的近似值（估计值）理想情况下：若g(n)=g*(n)、h(n)=h*(n)，则搜索过程中，每次都正确选择，不扩展任何无关的节点。实际情况：设计接近f*的f是很困难的在算法执行过程中， g(n)容易从已经生成

45、的搜索树中计算出来,S,n,搜索图G,ng,2022/12/27,113,1.搜索算法的可采纳性(Admissibility)3) 评价函数f与f*的比价理想情况下：若g(n)=g*(n)、h(n)=h*(n)，不扩展无关的节点实际情况：设计接近f*的f是很困难的在算法执行过程中， g(n)容易从已经生成的搜索树中计算出来，比如就以节点深度d(n)当做g(n),且有g(n)=g*(n)h(n)尽可能靠近h*(n) A算法的关键。,2022/12/27,114,1.搜索算法的可采纳性(Admissibility)4)改进启发式函数八数码游戏f(n)=d(n)+w(n),其中w(n)-表示错位的棋

46、牌个数，不够贴切，错误的扩展了节点d；p(n)-节点n与目标状态节点比较，错位棋牌在不受阻拦的情况下，移动到目标状态相应位置所需走步（移动次数）的总和；p(n)比w(n)更接近于h*(n)-p(n)不仅考虑了棋牌的错位因素，还考虑了错位的距离（移动距离）,2022/12/27,115,4)改进启发式函数八数码游戏f(s)计算实例,初始布局s,目标布局ng,w(s):错位的棋牌个数,d(s):当前节点深度,f(s),0,4,4,(s):错位棋牌移动距离,d(s):当前节点深度,f(s),0,5,5,1,1,1,2,2022/12/27,116,初始化,OPEN:=s5,CLOSE:=,2022/

47、12/27,117,循环1,CLOSE:=s5,OPEN:=a b c,OPEN:=a7 b5 c7,OPEN:=b5 a7 c7,2022/12/27,118,循环2,CLOSE:=s5 b5,OPEN:=a7 c7 d e i,OPEN:=a7 c7 d7 e5 i7,OPEN:=e5 a7 c7 d7 i7,2022/12/27,119,循环3,CLOSE:=s5 b5 e5,OPEN:=a7 c7 d7 i7 l m,OPEN:=a7 c7 d7 i7 l5 m7,OPEN:=l5 a7 c7 d7 i7 m7,2022/12/27,120,CLOSE:=s5,b5,e5,l5,循环4

48、,OPEN:=a7 c7 d7 i7 m7 n,OPEN:=a7 c7 d7 i7 m7 n5,OPEN:=n5 a7 c7 d7 i7 m7,2022/12/27,121,CLOSE:=s5,b5,e5,l5,n5,循环5,OPEN:=a7 c7 d7 i7 m7 o g,OPEN:=a7 c7 d7 i7 m7 o7 g5,OPEN:=g5 a7 c7 d7 i7 m7 o7,2022/12/27,122,循环6,成功结束,最理想搜索图G,2022/12/27,123,避免了错误选择,2022/12/27,124,1.搜索算法的可采纳性(Admissibility)5) A*算法定义：1、

49、在A算法中，规定h(n)h*(n);2、经如此限制以后的A算法就是A*算法。A*算法是可采纳的，即总能搜索到最短解答路径【回顾：八数码游戏的h(n)】w(n)-错位的棋牌个数p(n)-错位棋牌在不受阻拦的情况下，移动到目标状态相应位置所需走步（移动次数）的总和；,2022/12/27,125,1.搜索算法的可采纳性(Admissibility)5) A*算法定义：1、在A算法中，规定h(n)h*(n);2、经如此限制以后的A算法就是A*算法。A*算法是可采纳的，即总能搜索到最短解答路径证明：1）如果存在一条从初始状态到目标状态的解答路径，则一定存在一条最短解答通路；2）设状态n是最短解答路径上

50、的一个状态，那么经过有限步后，n必然会成为OPEN表的第一个节点；3）因为最短解答路径只有有限个节点n，所以有限步后算法必然因到达目标状态ng。这就是最优解。证明完毕。,2022/12/27,126,1.搜索算法的可采纳性(Admissibility)5)满足可采纳性条件的算法A*算法证明：2）设状态n是最短解答路径上的一个状态，那么经过有限步后，n必然会成为OPEN表的第一个节点；f(n)=g(n)+h(n)根据假设，n在最短解答路径上 经过有限步骤后，g(n)= g*(n)f(n)=g*(n)+h(n) h(n)h*(n)f(n)=g*(n)+h(n) g*(n)+h*(n)=f*(n)