盲目搜索
人工智能[第五章状态空间搜索策略]山东大学期末考试知识点复习
![人工智能[第五章状态空间搜索策略]山东大学期末考试知识点复习](https://img.taocdn.com/s3/m/90a7eb54dd36a32d73758188.png)
第五章状态空间搜索策略搜索是人工智能的一个基本问题，是推理不可分割的一部分。
搜索是求解问题的一种方法，是根据问题的实际情况，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。
搜索包含两层含义：一层含义是要找到从初始事实到问题最终答案的一条推理路线；另一层含义是找到的这条路线是时间和空间复杂度最小的求解路线。
搜索可分为盲目搜索和启发式搜索两种。
1．1 盲目搜索策略1．状态空间图的搜索策略为了利用搜索的方法求解问题，首先必须将被求解的问题用某种形式表示出来。
一般情况下，不同的知识表示对应着不同的求解方法。
状态空间表示法是一种用“状态”和“算符”表示问题的方法。
状态空间可由一个三元组表示(S，F，Sg)。
利用搜索方法求解问题的基本思想是：首先将问题的初始状态(即状态空间图中的初始节点)当作当前状态，选择一适当的算符作用于当前状态，生成一组后继状态(或称后继节点)，然后检查这组后继状态中有没有目标状态。
如果有，则说明搜索成功，从初始状态到目标状态的一系列算符即是问题的解；若没有，则按照某种控制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不再有可供操作的状态及算符时为止。
算法5．1 状态空间图的一般搜索算法①建立一个只含有初始节点S0的搜索图G，把S放入OPEN表中。
②建立CLOSED表，且置为空表。
③判断OPEN表是否为空表，若为空，则问题无解，退出。
④选择OPEN表中的第一个节点，把它从OPEN表移出，并放入CLOSED表中，将此节点记为节点n。
⑤考察节点n是否为目标节点，若是，则问题有解，并成功退出。
问题的解的这条路径得到。
即可从图G中沿着指针从n到S⑥扩展节点n生成一组不是n的祖先的后继节点，并将它们记作集合M，将M中的这些节点作为n的后继节点加入图G中。
⑦对那些未曾在G中出现过的(即未曾在OPEN表上或CLOSED表上出现过的)M中的节点，设置一个指向父节点(即节点n)的指针，并把这些节点加入OPEN 表中；对于已在G中出现过的M中的那些节点，确定是否需要修改指向父节点(n 节点)的指针；对于那些先前已在G中出现并且已在COLSED表中的M中的节点，确定是否需要修改通向它们后继节点的指针。
3搜索问题-盲目搜索
◦ 以上问题等价于在图中寻找从根节点到某个（或某些）
目标节点的一条（或一组）路径。
1 问题状态空间的构成
状态空间表示法是以“状态空间”的形式对问题 进行表示。 1）状态：是描述问题求解过程中不同时刻状况的 数据结构。一般用一组变量的有序集合表示：Q＝（q1， q2，…，qn） 其中每个元素qi为集合的分量，称为状态 变量，当给每个分量以确定的值时，就得到了一个具体的 状态。
2
3 1 3
2 1
3
2 1 3 1 1
2 3 2 3
2
1
初始棋局
17
目标棋局
产生式系统（production system）
◦ 一个总数据库：它含有与具体任务有关的信息。随着应 用情况的不同，这些数据库可能简单，或许复杂。 ◦ 一套规则：它对数据库进行操作运算。每条规则由左部
鉴别规则的适用性或先决条件以及右部描述规则应用时所 完成的动作。 ◦ 一个控制策略：它确定应该采用哪一条适用规则，而且 当数据库的终止条件满足时，就停止计算。
Q () Q Q
((1,1))
((1,1) (2,3))
((1,1) (2,4))
((1,1) (2,4) (3,2))
Q () Q
((1,1))
((1,1) (2,3))
((1,1) (2,4))
((1,1) (2,4) (3,2))
Q ()
((1,1))
((1,1) (2,3))
((1,1) (2,4))
◦ 系统状态的描述 四个皇后 ((i1,j1), (i2,j2), (i3,j3), (i4,j4))
()
Q ()
((1,1))
Q ()
启发算法与盲目算法
启发算法与盲目算法一、盲目搜索对一个图进行搜索意味着按照某种特定的顺序依次访问其顶点。
在所有搜索方式中，广度优先算法和深度优先搜索算法都十分重要，因为它们提供了一套系统地访问图数据结构的方法。
我们着重讲解广度优先搜索算法。
1.深度优先搜索深度优先搜索算法（简称DFS）是一种用于遍历或搜索树或图的算法。
沿着树的深度遍历树的节点，尽可能深的搜索树的分支。
当节点的所在边都己被探寻过，搜索将回溯到发现节点的那条边的起始节点。
这一过程一直进行到已发现从源节点可达的所有节点为止。
由于深度优先搜索不是接下来最短路径算法的基础，因此这里不做拓展。
2.广度优先搜索广度优先搜索算法（简称BFS）又称为宽度优先搜索从起点开始，首先遍历起点周围邻近的点，然后再遍历已经遍历过的点邻近的点，逐步的向外扩散，直到找到终点。
在执行算法的过程中，每个点需要记录达到该点的前一个点的位置—父节点。
这样做之后，一旦到达终点，便可以从终点开始，反过来顺着父节点的顺序找到起点，由此就构成了一条路径。
以上两种算法的不同搜索策略可以通过下面网页查看动图，这是两种相邻节点之间的移动代价相等时用到的算法，图中的边不设权值。
3.Dijkstra算法Dijkstra算法是由计算机科学家Edsger W.Dijkstra在1956年提出的。
考虑这样一种场景，在一些情况下，图形中相邻节点之间的移动代价并不相等。
例如，游戏中的一幅图，既有平地也有山脉，那么游戏中的角色在平地和山脉中移动的速度通常是不相等的。
在Dijkstra算法中，需要计算每一个节点距离起点的总移动代价。
同时，还需要一个优先队列结构。
对于所有待遍历的节点，放入优先队列中会按照代价进行排序。
在算法运行的过程中，每次都从优先队列中选出代价最小的作为下一个遍历的节点。
直到到达终点为止。
对比了不考虑节点移动代价差异的广度优先搜索与考虑移动代价的Dijkstra算法。
可以看出当图形为网格图，并且每个节点之间的移动代价是相等的，那么Dijkstra算法将和广度优先算法变得一样。
实验二 盲目搜索
实验二搜索问题形式化和无信息搜索（2学时）一实验目的熟悉和掌握搜索问题形式化方法与步骤，使用Python语言实现搜索问题形式化；掌握基本无信息搜索算法，实现算法并验证。
二实验原理搜索问题形式化即把要解决的问题描述为搜索问题，主要包括确定状态空间，初始状态，后继函数，目标测试及耗散等5方面内容；对于搜索问题可以应用通用的搜索算法求解，主要包括无信息(盲目)搜索和有信息搜索两大类，基本的无信息搜索有广度优先搜索和深度优先搜索。
三实验条件1 Python解释器，及IDLE等程序开发调试环境。
2 本实验所提供的几个Python文件，包括:mazeworld.py 用于构造、编辑、显示迷宫问题，以及对迷宫进行简单搜索；search.py 编写搜索算法代码。
实验要求的所有搜索Agent将通过改写本文件中类SearchAgent的solve方法来实现；util.py 实现搜索算法可能使用到的一些数据结构；eightpuzzle.py 用于构造、编辑、显示8数码问题；maze1.txt maze2.txt maze3.txt 迷宫文本文件。
四实验内容1 搜索问题形式化2 广度优先搜索3 深度优先搜索五实验步骤1 建立文件夹，将实验提供的4个Python文件和3个文本文件拷到文件夹中，注意整个文件夹路径不能有中文字符2 构造、编辑、显示迷宫问题运行Python IDLE，在>>>提示符下输入import mazeworld此时会出现错误提示，分析为什么出错#之所以会出现错误，是因为在sys的导入路径（path）中没有mazeworld.py文件的路径，这是用户自定#义的的路径，需要手工导入，即使用下面的方法import syssys.path['D:\\Python27\\Lib\\idlelib', 'C:\\WINDOWS\\SYSTEM32\\python27.zip','D:\\Python27\\DLLs', 'D:\\Python27\\lib', 'D:\\Python27\\lib\\plat-win','D:\\Python27\\lib\\lib-tk','D:\\Python27','D:\\Python27\\lib\\site-packages']#这里是你sys初始导入路径>>> sys.path.append('D:\QQPCmgr\Desktop\BlindSearchProject')#这里是你sys新增的导入路径>>> sys.path['D:\\Python27\\Lib\\idlelib', 'C:\\WINDOWS\\SYSTEM32\\python27.zip','D:\\Python27\\DLLs', 'D:\\Python27\\lib', 'D:\\Python27\\lib\\plat-win','D:\\Python27\\lib\\lib-tk', 'D:\\Python27','D:\\Python27\\lib\\site-packages', 'D:\\QQPCmgr\\Desktop\\BlindSearchProject']#新增导入路径后确认路径导入成功>>> import mazeworld此时，不再有出错提示，成功,分析成功原因#由于此时系统具有了mazeworld.py文件所在文件夹的路径，故当使用import命令时，系统会自动来到#这个文件夹进查找，当然就可找到而不会出错了#同时还有可能是因为版本问题出现报错，因为python2和python3要求的输出语言的代码不同#python2系列可以支持 print “xxxx”，python系列需要使用print("xxx") simpleMaze = mazeworld.Maze([['#', ' ', ' ', ' '], ['~', 'S', ' ', 'E']])print simpleMaze理解迷宫的表现形式#输出的迷宫为- - - -|# ||~ S E|- - - -#迷宫最典型的表现形式便是矩阵，而此处的迷宫也同样如此。
人工智能及其应用-状态空间的盲目搜索
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
盲目搜索与探索
24
3.1.3 深度优先搜索
2020/6/26
25
有界深度优先搜索
定义节点的深度如下： (1) 起始节点(即根节点)的深度为0。 (2) 任何其它节点的深度等于其父辈节点深度加上1。
• 对于许多问题，其状态空间搜索树的深度可能为无限深， 或者可能至少要比某个可接受的解答序列的已知深度上限 还要深。为了避免考虑太长的路径(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。任何节点如果达到了深度界限，那么都 将把它们作为没有后继节点处理。值得说明的是，即使应 用了深度界限的规定，所求得的解答路径并不一定就是最 短的路径。
失败 成功
一、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。主要包括宽度优先搜索、等深度优先搜索等。 特点：
1）搜索按规定的路线进行，不使用与问题有关的启发性 信息。
2）适用于其状态空间图是树状结构的一类问题。
13
1、 宽度优先搜索
定义：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优先搜索(breadth-first search)。
2020/6/26
29
八数码难题的深度优先搜索树
2020/6/26
30
二、 启发式搜索
盲目搜索的不足：
效率低，耗费过多的计算空间与时间。 宽度优先搜索、深度优先搜索，或等代价搜索算法,是按事
先规定的路线进行搜索，或按已经付出的代价决定下一步 要搜索的节点，其主要差别是OPEN表中待扩展节点的顺 序问题。如果找到一种方法用于排列待扩展节点的顺序， 即选择最有希望的节点加以扩展，那么，搜索效率将会大 为提高。
基本思想：
第3章(搜索推理技术1-图盲目搜索)
①、起 始节点 ( 即根
节点)的深度为0。
②、任何其它节点的
深度等于其父辈
节点深度加上1。
深度优先搜索的基本
思路：
先扩展最深的节点 。
当出现没有后继节点
时，换到旁边的次深
节点
后生成的节点画在左边
含有深度界限的深度优先搜索算法：
① 把起始节点 S 放到未扩展节点的 OPEN 表中。 如果此节点为一目标节点，则得到解 ② 如果 OPEN 为一空表，则无解、失败退出
状态：长度为9的一维数组
（q1 , q2 , … , q9 ）
其中，qi 取 0 , 1 , … , 8 个数，0 表示空格，且取值
互不相同
如果记空格的位置为P，这时空格的移动规则是： 1 4 7 2 5 8 3 6 9 数字表示位置 1 2 3 4 5 6 7 8 9 P-3
P-1
P
P+1
P+3
起始节点的父节点标志和操作符：
不作记录或记录为负
搜索过程（按照程序运行方式）
① 起始节点放到OPEN表
2 8 3 1 0 4
2 8 3 1 4 7 6 5 7 6 5
② OPEN不为空，继续
③ 将第一个节点 n 从 OPEN 表中移出，并放到 CLOSED表中 OPEN表
CLOSED表 1 0 0 2 8
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
6第六讲 第三章(盲目、启发搜索)
二、有序搜索
用估价函数 f 来排列OPEN表上的节点。
应用某个算法选择OPEN表上具有最小f 值的节点作为
二、宽度优先搜索
例3.2 八数码问题 操作规定: 允许空格四周上、下、左、右的数码 块移入空格中，不许斜方向移动，不许返回先辈 结点。
1 2 3 8 5 7 4 6
1
4
1 3 8 2 5 7 4 6
2
1 2 3 8 4 5 7 6
3
1 2 3 8 5 7 4 6
5
1 2 3 8 5 7 4 6
深度优先搜索的特点
OPEN表为堆栈，操作是后进先出（LIFO） 深度优先又称纵向搜索。 一般不容易保证找到最优解（如下图所示） 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。
2、有界深度优先搜索
引入搜索深度限制值d，使深度优先搜索具有完备性 。 （1）深度界限的选择很重要 d若太小，则达不到解的深度，得不到解；若太大，既 浪费了计算机的存储空间与时间，降低了搜索效率。由于 解的路径长度事先难以预料，要恰当地给出d的值是比较 困难的。 （2）即使能求出解，它也不一定是最优解。 例3.3：设定搜索深度限制d=5的八数码问题。
4. 搜索过程框图
S0放入OPEN表 是 OPEN表空？ 否 将OPEN表中第一个节点(n) 移至CLOSE表 否 n是目标节点？ 扩展节点n，把n的后继节点放入 OPEN表末端，提供指向 节点n的指针 修改指针方针，重排OPEN表
失败
是
成功
一、图搜索策略(Graph Search) 5.图搜索方法分析：
3.2 启发式搜索
盲目搜索的不足：效率低，耗费空间与时间。 启发式搜索：利用问题本身特性信息（启发信息） 指导搜索过程。是有序搜索。 一、启发式搜索策略 启发式信息主要用途：
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
人工智能ch3 盲目搜索
3.1 一般搜索过程
三、几点说明
代价树的宽度优先搜索算法
3.3 宽度优先搜索
3.4 代价树的宽度优先搜索算法
例：城市交通问题。 设有5个城市, 它们之间的交 通路线如图所示，图中的数字 表示两个城市之间的交通费用，
即代价。
求从A市出发到E市，费用最 小的交通路线。 结论：在搜索树中给每条边 都标上代价。
3.4 代价树的宽度优先搜索
第3章 盲目搜索
3.1 一般搜索过程
3.2 回溯策略 3.3 宽度(广度)优先搜索 3.4 代价树的宽度优先搜索 3.5 深度优先搜索
搜索、推理与人工智能
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，它直接关系到智能系统的性能与运行效率， 尼尔逊把它列为人工智能研究中的核心问题之一。
搜索的基本问题：
一、代价树生成方法
从初始节点A开始，把与A直接 相邻的节点作为子节点。 对其他节点作相同处理。 若一个节点已是某节点的直系 先辈节点，就不能再作为该节点的 子节点。 除 A 外，其它节点可能在代价 树中多次出现。为便于区分，用下 标1, 2, ……标出。
3.4 代价树的宽度优先搜索
二、代价的定义
3.2 回溯策略
回溯策略的几点说明
各种合适的推理规则或其他问题求解操作都可以应用于 PS，得到一些新的子节点有序集； 为避免死循环，若有序集中的子节点已在 3张表的任一表 中，说明它已被搜索过，不需要再考虑；
盲目搜索启发式搜索
2015-3-22
39
有序状态空间搜索算法
(6) 扩展节点i生成其全部后继节点。对于i的每一个后继节点j： – (a) 计算f(j)。 – (b) 如果j既不在OPEN表中，又不在CLOSED表中，则用估 价函数 f 把它添入 OPEN 表。从 j 加一指向其父辈节点 i 的指 针，以便一旦找到目标节点时记住一个解答路径。 – (c) 如果 j 已在 OPEN 表上或 CLOSED 表上，则比较刚刚对 j 计算过的f值和前面计算过的该节点在表中的 f值。如果新 的f值较小，则 (i) 以此新值取代旧值。 (ii) 从j指向i，而不是指向它的父辈节点。 (iii) 如果节点j在CLOSED表中，则把它移回OPEN表 (7) 转向(2)，即GO TO(2)。
2015-3-22
24
3.1.3 深度优先搜索
2015-3-22
25
有界深度优先搜索
定义节点的深度如下： (1) 起始节点(即根节点)的深度为0。 (2) 任何其它节点的深度等于其父辈节点深度加上1。 • 对于许多问题，其状态空间搜索树的深度可能为无限深， 或者可能至少要比某个可接受的解答序列的已知深度上限 还要深。为了避免考虑太长的路径(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。任何节点如果达到了深度界限，那么都 将把它们作为没有后继节点处理。值得说明的是，即使应 用了深度界限的规定，所求得的解答路径并不一定就是最 短的路径。
CLOSED表变化过程
编号 0 ቤተ መጻሕፍቲ ባይዱ 2 节点号 S0 A B 父节点号 空 S0 S0
图搜索的一般过程
(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表的未扩展节点表中。 (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)。
盲目搜索实训报告
一、实训背景随着互联网的普及和信息技术的发展，搜索引擎已成为人们获取信息的重要工具。
然而，在信息爆炸的时代，如何在海量信息中快速、准确地找到所需信息，成为了一个亟待解决的问题。
为了提高信息检索的效率，我们开展了盲目搜索实训，通过模拟实际搜索过程，探索有效的搜索策略。
二、实训目的1. 熟悉搜索引擎的基本操作和功能；2. 掌握信息检索的基本原则和技巧；3. 提高在海量信息中快速、准确地找到所需信息的能力；4. 培养批判性思维和信息素养。
三、实训内容1. 搜索引擎的选择与使用实训过程中，我们选择了百度、谷歌、搜狗等国内外主流搜索引擎进行实践。
通过对比分析，我们发现百度在中国市场占有率较高，且具有强大的中文搜索能力；谷歌则在全球范围内具有较高的搜索精度；搜狗则具有独特的语音搜索功能。
在实际操作中，我们根据需求选择合适的搜索引擎，并熟悉其操作界面和功能。
2. 信息检索的基本原则（1）相关性：搜索结果应与用户需求具有较高的相关性，避免无关信息的干扰；（2）准确性：搜索结果应准确反映用户需求，避免误导；（3）全面性：搜索结果应涵盖用户需求的相关领域，避免遗漏；（4）时效性：搜索结果应关注最新动态，避免过时信息的影响。
3. 信息检索的技巧（1）关键词优化：选择合适的关键词，提高搜索精度；（2）逻辑运算符：使用逻辑运算符（如AND、OR、NOT）进行组合搜索，提高搜索效果；（3）高级搜索：利用搜索引擎的高级搜索功能，如筛选时间、网站类型等，提高搜索效果；（4）搜索结果分析：对搜索结果进行筛选、排序和去重，提高信息质量。
四、实训过程1. 阶段一：搜索实践在实训过程中，我们针对不同的主题进行搜索，如科技、教育、娱乐等。
通过实践，我们发现：（1）关键词优化对于提高搜索精度至关重要；（2）逻辑运算符在组合搜索中具有重要作用；（3）高级搜索功能可以帮助我们更精确地找到所需信息。
2. 阶段二：案例分析我们选取了几个具有代表性的案例进行分析，如“人工智能”、“区块链”等。
3.2-盲目搜索
S2
Move(B,C)
S4
B A
S5
C
B C
S6
A
B
C S7 A
C B
C A B
S3
B
A C
Move(B,A)
A
没有后裔, 没有后裔,失败退出
S8
Move(C,B)
Move(A,B)
B A C
S9
C B A
S10
A B C
图3.2 积木问题的宽度优先搜索树
图3.2表示了宽度优先搜索所产生的搜索树。各节点是以产生和扩展的先后 表示了宽度优先搜索所产生的搜索树。 表示了宽度优先搜索所产生的搜索树 次序编下标的。 次序编下标的。
2010-12-25 人工智能 丁世飞 2
对于给定问题，如何生成新状态呢？ 对于给定问题，如何生成新状态呢？ 定义一个四元组，以此来表示状态空间： 定义一个四元组，以此来表示状态空间： { nodes ，arc ，goal ，current }
current 表示现在 生成的用 于和目标 状态比较 的状态。
10图32积木问题的宽度优先搜索树2013129人工智能17322深度优先搜索生成节点并与目标节点进行比较是沿着树的最大深度方向进行的只有当上次访问的节点不是目标节点而且没有其他节点可以生成的时候才转到上次访问节点的父节点
人工智能及其应用,王万良第五章答案
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？启发式搜索就是在状态空间中的搜索对每一个搜索的位置进行评估，得到最好的位置，再从这个位置进行搜索直到目标。
为减小搜索范围而需要利用某些已知的，有关具体问题领域的特性信息。
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。
盲目搜索启发式搜索
B
S0
C
S0
D
S0
E
A
F
A
CLOSED表变化过程
编号
0 1 2
节点号
S0 A B
父节点号
空 S0 S0
图搜索的一般过程
(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表的未扩展节点表中。
(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ຫໍສະໝຸດ 失败 成功一、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。主要包括宽度优先搜索、等深度优先搜索等。 特点：
1）搜索按规定的路线进行，不使用与问题有关的启发性 信息。
2）适用于其状态空间图是树状结构的一类问题。
13
1、 宽度优先搜索
定义：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优先搜索(breadth-first search)。
(8) 按某一任意方式或按某个探试值，重排OPEN表。 (9) GO LOOP。
开始
把S放入OPEN表
是 OPEN表为空表？
否 把第一个节点(n)从OPEN表移至CLOSED表
n为目标节点吗？
是
否
把n的后继节点放入OPEN表的 末端，提供返回节点n的指针
修改指针方向 重排OPEN表
图搜索一般过程的框图
2024/7/19
39
有序状态空间搜索算法
(6) 扩展节点i生成其全部后继节点。对于i的每一个后继节点j：
– (a) 计算f( j)。
– (b) 如果j既不在OPEN表中，又不在CLOSED表中，则用 估价函数f把它添入OPEN表。从j加一指向其父辈节点i的 指针，以便一旦找到目标节点时记住一个解答路径。
人工智能 一般搜索原理---盲目搜索
人 工 智 能 及 其 应 用
第六讲一般搜索原理--盲目搜索
搜索:从问题表示到问题解决的求解过程. 一.盲目搜索:人为给定搜索顺序的无信息搜索. 1.宽度优先搜索 2.深度优先搜索 3.等代价搜索 二.启发式搜索:根据检测到的信息决定搜索顺序 的有信息搜索. 1.有序搜索,2.A算法,3.A*算法
第六讲一般搜索原理--盲目搜索
算法
(1)把起始节点放到OPEN表中,若该节点为一目标节点,则求得一个 解,退出.否则,令g(s)=0. (2)如果OPEN表是一个空表,则没有解,失败退出.否则继续. (3)把第一个节点i,其g(i)为最小,从OPEN 表中移出到CLOSED表中. (4)扩展节点i.如果没有后继节点,则goto(2). (5)把i的所有后继节点j,计算g(j)=g(i)+C(i,j),放到OPEN表末端,并 提供从这些后继节点回到i的指针. (6)如果i的任一后继节点是目标,则成功退出,否则,goto (2).
2 8 3 7 1 4 6 5
2 3 1 8 4 7 6 5
2 3 1 8 4 7 6 5
2 8 3 1 6 4 7 5
2 8 3 1 6 4 7 5
2 8 1 4 3 7 6 5
2 8 3 1 4 5 7 6
宽度优先搜索示意图
第六讲一般搜索原理--盲目搜索
2.深度优先搜索 扩展最新产生的节点,搜索沿着状态空间某条 单一的路径从起始节点向下搜索,结果使得只有 搜索到一个没有后裔的状态时,才考虑另一条替 代的路径. 问题:当搜索深度很深时,需要控制.
第六讲一般搜索原理--盲目搜索
算法
(1)把起始节点放到OPEN表中,若该节点为一目标节点,则求得一个 解,退出. (2)如果OPEN表是一个空表,则没有解,失败退出.否则继续. (3)把第一个节点N从OPEN 表中移出到CLOSED表中. (4)如果节点N的深度等于最大深度,则goto(2). (5)扩展节点N.把N的所有后继节点放到OPEN表前端,并提供从这些 后继节点回到N的指针.如果没有后继节点,则goto(2). (6)如果N的任一后继节点是目标,则成功退出,否则,goto (2).
- 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)。
盲目搜索
搜索的含义
依问题的实际情况寻找可利用的知识，构造代价较少的推理路径从而解决问题的过程
离散的问题通常没有统一的求解方法
搜索策略的优劣涉及能否找到最好的解、计算时间、存储空间等
搜索分为盲目搜索和启发式搜索
盲目搜索：按预定的策略进行搜索，未用问题相关的或中间信息改进搜索。
效率不高，难求解复杂问题，但不失可用性
启发式搜索：搜索中加入问题相关的信息加速问题求解，效率较高，但启发式函数不易构造
盲目搜索也叫无信息搜索，只适合用于求解比较简单的问题。
我们没有指定问题的任何推理信息，例如要搜索这一部分而不是另一部分，就像到目前为止的只要发现一条到目标的路径即可。
这种过程被称为是盲目的。
盲目搜索过程只把算子应用到节点，它没有使用问题领域的任何特殊知识（除了关于什么动作是合法的知识外）。
最简单的盲目搜索过程就是广度优先搜索。
该过程把所有的算子应用到开始节点以产生一个显式的状态空间图，再把所有可能的算子应用到开始节点的所有直接后继，再到后继的后继，等等。
搜索过程一律从开始节点向外扩展。
由于每一步将所有可能的算子应用到一个节点，因此可把它们组成一个叫后继函数的函数。
当把后继函数应用到一个节点时，产生一个节点集，该节点集就是把所有能应用到那个节点的算子应用到该节点而产生的。
一个节点的后继函数的每一次应用称为节点的扩展相同代价搜索是广度优先搜索的一种变体，在该方法中，节点从开始节点顺着代价等高点向外扩展，而不是顺着相同深度等高线。
如果图中所有弧的代价相同，那么相同代价搜索就和广度优先搜索一致。
反过来，相同代价搜索可以看作是下一章要讲的启发式搜索的一个特殊情况。
广度优先和相同代价搜索方法的简要描述只给出了它们的主要思想，但是要解决其他复杂的情况则需要技术改进
深度优先搜索一次对节点应用一个算子以产生该节点的一个后继。
每一个节点都留下一个标记，用来指示如果需要时所必需的附加算子。
对每一个节点，必须有一个决策来决定哪个算子先用，哪个次之等等。
只要一个后继产生，它的下一个后继就会被生成，一直向下传下去，等等。
为了防止从开始节点的搜索过程深度太深，需要一个深度约束(depth bound)。
超过这个深度约束时不再产生后继（假定没有任何目标节点超过这个深度约束）。
这种限制允许我们忽略搜索图的一部分，这些部分已经确定不能高效地到达目标节点。
深度优先算法使我们只保存搜索树的一部分，它由当前正在搜索的路径和指示该路径上还没有完全展开的节点标志构成。
因此，深度优先搜索的存储器要求是深度约束的线性函数。
深度优先搜索的一个缺点是当发现目标时，我们不能保证找到的路径是最短长度。
另一个缺点是如果只有一个很浅的目标，且该目标位于搜索过程的后部时，也必须浏览大分搜索空间。
无信息图搜索过程
深度优先搜索（纵向搜索）
宽度优先搜索（横向搜索）
均一代价搜索
1.深度优先搜索
•定义
首先扩展最新产生的(即最深的)节点。
深度相等的节点可以任意排列。
这种盲目(无信息)搜索叫做深度优先搜索或纵向搜索。
•特点
扩展最深的节点的结果使得搜索沿着状态空间某条单一的路径从起始节点向下进行下去；只有当搜索到达一个没有后裔的状态时，它才考虑另一条替代的路径。
2. 宽度优先搜索
•定义
以接近起始节点的程度逐层扩展节点的搜索方法(breadth-first search)，这种盲目(无信息)搜索叫做宽度优先搜索或横向搜索。
•特点
一种高代价搜索，但若有解存在，则必能找到它。
•算法
这种搜索是逐层进行的；在对下一层的任一节点进行搜索之前，必须搜索完本层的所有节点。
宽度优先搜索算法是一种“先进先出”的算法。
3. 均一代价搜索
•是横向搜索的一种推广，不是沿着等长度路径断层进行扩展，而是沿着均一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。
若所有连接弧线具有相等代价，则简化为横向搜索算法。