华中科技大学人工智能及其应用第三章一般搜索原理.ppt

合集下载

人工智能与应用PPT课件

人工智能与应用PPT课件
语音识别与合成技术 及应用
2024/1/30
25
语音识别基本原理和方法
声学模型
将声音转化为可识别的特征参数,如梅尔频率倒谱系数(MFCC )等。
语言模型
利用统计语言模型来描述语音的上下文关系,提高识别准确率。
2024/1/30
解码器
将声学模型和语言模型结合,搜索最可能的文字序列作为识别结果 。
26
2024/1/30
问答系统
通过自然语言处理技术理 解用户提出的问题,并从 知识库中检索相关信息, 生成简洁、准确的答案。
机器翻译
利用自然语言处理技术实 现不同语言之间的自动翻 译,促进国际交流和合作 。
19
自然语言生成技术探讨
2024/1/30
自然语言生成技术
01
研究如何将非结构化的数据或信息转化为人类可读的自然语言
人工智能与应用 PPT课件
2024/1/30
1
contents
目录
2024/1/30
• 人工智能概述 • 机器学习原理与实践 • 自然语言处理技术与应用 • 计算机视觉技术与应用 • 语音识别与合成技术及应用 • 智能推荐系统原理与实践 • 人工智能伦理、法律和社会影响
2
01
人工智能概述
2024/1/30
6
02
机器学习原理与实践
2024/1/30
7
监督学习算法介绍
2024/1/30
原理
通过最小化预测值与真实值之间 的均方误差,学习得到最优的线 性模型参数。
应用
预测连续型数值,如房价、股票 价格等。
8
监督学习算法介绍
2024/1/30
原理
在特征空间中寻找最大间隔超平面, 使得不同类别的样本能够被正确分类 。

人工智能 第3章(确定性推理3-与或树搜索)

人工智能 第3章(确定性推理3-与或树搜索)
常用启发式函数
包括基于距离的启发式函数、基于成本的启发式函数、基于规则的启发式函数等。
节点排序和选择策略
节点排序的目的和意义
节点排序是为了在扩展节点时,按照一定的顺序选择下一个要扩展的节点,以优化搜索过程。
常用节点排序策略
包括最佳优先搜索、广度优先搜索、深度优先搜索等。最佳优先搜索根据启发式函数的值来选择最优节点; 广度优先搜索按照节点的层次顺序进行扩展;深度优先搜索则尽可能深地扩展节点。
盲目搜索方法比较与选择
• 宽度优先搜索、深度优先搜索和迭代加深搜索都是盲目搜索方法,它们在不同的场景下有不同的应用。 • 宽度优先搜索适用于问题空间较大、解存在于较浅层次的情况,因为它可以逐层遍历整个问题空间,找到最短
路径。 • 深度优先搜索适用于问题空间较小、解存在于较深层次的情况,因为它可以尽可能深地搜索树的分支,找到更
启发式信息获取途径
01
02
03
问题自身的特性
通过分析问题的性质、结 构、约束条件等,提取出 对搜索过程有指导意义的 启发式信息。
领域知识
利用领域内的经验、规则、 常识等,为搜索过程提供 有价值的启发式信息。
搜索过程中的信息
在搜索过程中,通过评估 当前状态、已搜索路径、 未搜索路径等,动态地获 取启发式信息。
04 与或树搜索优化技术
剪枝策略
01
剪枝的定义和目的
剪枝是在搜索过程中,通过某些评估标准,提前终止对某些无意义或低
效的节点的扩展,以减少搜索空间,提高搜索效率。
02 03
常用剪枝策略
包括限界剪枝、启发式剪枝、概率剪枝等。限界剪枝通过设置上下界来 限制搜索范围;启发式剪枝利用启发式函数来评估节点的重要性;概率 剪枝则根据节点的概率分布来进行剪枝。

人工智能及其应用完整版本ppt课件

人工智能及其应用完整版本ppt课件

精选ppt
32
2.2 问题规约法
梵塔问题归约图
•数据结构介绍
(111)(333)
•思考题:四圆盘问题
(111)(122) (122)(322)
()(333)
(111)(113) (113)(123) (123)(122) (322)(321) (321)(331) (331)(333)
精选ppt
精选ppt
19
解题过程
将原始问题归约为一个较简单问题集合 将原始梵塔难题归约(简化)为下列子
难题
– 移动圆盘A和B至柱子2的双圆盘难题 – 移动圆盘C至柱子3的单圆盘难题 – 移动圆盘A和B至柱子3的双圆盘难题
详细过程参看下图
精选ppt
20
2.2 问题规约法
解题过程(3个圆盘问题)
123
123
叫做从节点ni1至节点nik的长度为k的路径
代价 用c(ni,nj)来表示从节点ni指向节点nj
的那段弧线的代价。两点间路径的代价等于连
接该路径上各节点的所有弧线代价之和.
精选ppt
6
图的显示说明 对于显式说明,各节点及其具
有代价的弧线由一张表明确给出。此表可能列出 该图中的每一节点、它的后继节点以及连接弧线 的代价
问题归约的实质:
–从目标(要解决的问题)出发逆向推理,建立 子问题以及子问题的子问题,直至最后把初 始问题归约为一个平凡的本原问题集合。
精选ppt
18
2.2 问题规约法
2.2.1 问题归约描述 (Problem Reduction Description)
梵塔难题
1
2
3
A B C
思考:用状态空间法有多少个节点?为什么?

人工智能及其应用PPT课件

人工智能及其应用PPT课件

3)1948年美数学家创立了控制论
4)1948年美数学家创立了信息论
5)同期美籍奥地利生物学Badenlofe建立了系统论
2、人工智能的发展史-孕育期(1956年前)
物质基础
1)1946年美数学家莫克利发明了世界上第一台通用电子 计算机ENIAC(Electronic Numerical Integrator and Calculator)
1、外显率(P):反映搜索过程中,从初始结点
向目标结点进行时搜索区域的宽度。
定义:P=L/T
L : 从初始结点到达目标的路径长度 T : 整个搜索过程中所生成的结点总数(不包括 初始结点)
不同搜索策略搜索效率的衡量指标
2、有效分枝因数(B):表示每个有效结点平均
生成的子结点数目。
定义:B+B2+B3+…+BL=T
第二节 搜索策略
盲目的图搜索策略:盲目的、无信息引导的搜索 2、深度优先搜索:从根节点开始,首先扩展最新产生的
节点,即沿着搜索树的深度方向发展, 直到没有后继节点再返回。
0
1
7
2 46
8
11
3
5
9 10
特点:不完备的搜索。有时会陷入“死胡同”,可进行“界”的
限制
第二节 搜索策略
启发式的图搜索策略:有信息引导的搜索 启发信息:特定问题领域的信息能有效引导搜索,使搜索简化。 启发信息的作用: 1、用它来决定下一步先扩展哪一个节点,不是盲目、随意地扩展
扩展节点
nsm
第二节 搜索策略
搜索策略:指在搜索过程中如何选择扩展节点的次序问题。 回溯策略 图搜索策略: 盲目的图搜索 启发式搜索
第二节 搜索策略

人工智能第3章 搜索技术资料PPT课件

人工智能第3章  搜索技术资料PPT课件

((1,1) (2,3)) ((1,1) (2,4))
((1,2) (2,4))
((1,1) (2,4) (3.2))
30
() ((1,1))
((1,2))
Q Q
Q
((1,1) (2,3)) ((1,1) (2,4))
((1,2) (2,4))
((1,1) (2,4) (3.2))
((1,2) (2,4) (3,1))
其中,初 始状态集 合和操作 符集合定 义了问题 的搜索空
间。
6
➢搜索问题包括:
❖搜索什么(目标) ❖在哪里搜索(搜索空间)
➢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。
7
➢搜索分成:
❖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

➢搜索可以根据是否使用启发式信息 分为
31
() ((1,1))
((1,2))
Q Q
Q Q
((1,1) (2,3)) ((1,1) (2,4)) ((1,2) (2,4))
((1,1) (2,4) (3.2))
((1,2) (2,4) (3,1))
((1,2) (2,4) (3,1) (4,3))
32
3.2 盲目搜索方法
3.2.1 宽度优先搜索 3.2.2 深度优先搜索 3.2.3 迭代加深搜索
❖盲目搜索 ❖启发式搜索
8
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

人工智能原理及其应用介绍课件

人工智能原理及其应用介绍课件
的道德素质
安全风险
数据泄露:AI模型训练和使 用过程中可能泄露敏感信息
隐私侵犯:AI技术可能侵犯 个人隐私,如人脸识别、语 音识别等
决策偏见:AI算法可能存在 偏见,导致不公平决策
安全漏洞:AI系统可能存在 安全漏洞,被黑客攻击或操 纵
失控风险:AI系统可能失 控,对人类造成威胁
道德伦理问题:AI技术可能 引发道德伦理问题,如自动 驾驶汽车事故责任划分等
推理与决策:让机器根据知识和 信息进行推理和决策
机器学习:让机器从数据中学习 并改进其性能
强化学习:让机器通过试错和奖 励来学习
计算机视觉:让机器识别和理解 图像和视频
知识表示:让机器理解和表示知 识
机器人技术:让机器执行物理任 务和与人类交互
主要技术
机器学习:通过数据训练模型, 实现自主学习
深度学习:模拟人脑神经网络, 实现复杂任务处理
人工智能原理及其应用 介绍课件
演讲人
பைடு நூலகம் 目录
01. 人工智能原理 02. 人工智能应用 03. 人工智能未来趋势 04. 人工智能伦理与安全
人工智能原理
基本概念
人工智能:模拟人类智能的机器 系统
深度学习:一种特殊的机器学习 方法,模拟人脑神经网络
自然语言处理:让机器理解并生 成人类语言
语音识别:让机器识别和理解语 音
04
智能决策:利用AI算法进行生产计划、库存管理等决策,提高生产效益
医疗诊断
01 02 03 04
01
利用AI技术进行疾病诊断,提 高诊断准确性
02
辅助医生进行病历整理和病历 分析,提高工作效率
03
利用AI技术进行药物研发,缩 短研发周期,降低研发成本

人工智能一般搜索算法原理(PPT 153页)

人工智能一般搜索算法原理(PPT 153页)

9, ADD(mj, OPEN), 并标记mj到n的指针;
10, GO LOOP;
16.10.2019
人工智能讲义
9
4
283 164
75
1
23 184 765
3
283 164 75
2
283 14 765
6
283 14
765
c
23 184 765
9
283 14 765
5
283 164 75
7
83 214 765
16.10.2019
人工智能讲义
17
启发式图搜索
• 利用知识来引导搜索,达到减少搜索范围, 降低问题复杂度的目的。
• 启发信息的强度
– 强:降低搜索工作量,但可能导致找不到最 优解
– 弱:一般导致工作量加大,极限情况下变为 盲目搜索,但可能可以找到最优解
16.10.2019
人工智能讲义
18
希望:
16.10.2019
人工智能讲义
22
A算法
1, OPEN=(s), f(s)=g(s)+h(s); 2, LOOP: IF OPEN=( ) EXIT(FAIL); 3, n=FIRST(OPEN); 4, IF GOAL(n) EXIT(SUCCESS); 5, REMOVE(n, OPEN), ADD(n, CLOSED); 6, EXPAND(n) →{Mi},
第三章 一般搜索原理
• 盲目搜索 • 启发式搜索 • 归结原理
16.10.2019
人工智能讲义
1
盲目搜索
• 图搜索策略 • 深度优先搜索 • 宽度优先搜索 • 等代价搜索
16.10.2019

人工智能第3章搜索原理

人工智能第3章搜索原理
(3)若OPEN表是空表,则问题无解,失败退出。
(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,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。问 题的解即可从图G中沿着指针从n到S这条路径 而得到。
图搜索策略(续)
等代价搜索(续)
记号
S:起始节点。 c(i,j): 节点i到它的后继节点j的连接弧线代价。 g(i): 起始节点S到任一节点i的路径代价,在搜索
树上它也是从起始节点S到节点i的最少代价路 径上的代价。
等代价搜索(续)
等代价搜索算法
与宽度优先搜索算法区别,以g(i)的递增 顺序扩展其节点,即根据节点的代价大小对 OPEN表中的所有节点进行从小到大的排序。 (1)把起始节点S放到OPEN表中。如果此起始 节点为一目标节点,则求得一个解;否则令 g(S)=0; (2)如果OPEN表是个空表,则没有解而失败 退出;
3.1.2 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。 宽度优先搜索又称广度优先搜索,是一种盲目 搜索策略。
其基本思想是:从初始节点开始,逐层对 节点进行依次扩展,并考虑它是否为目标节点, 在对下层节点进行扩展(或搜索)前,必须完 成对当前层的所有节点的扩展(或搜索)。
(2)深度优先搜索所求得的解答路径不一定是最 短路径;
(3)深度界限得选择很重要,过大,可能会影响 搜索效率,过小,有可能求不到解。有界深度 优先搜索策略是不完备的。 例3.3,P74,图3.8
3.1.4 等代价搜索
定义
有些问题并不要求有应用算符序列 为最少的解,而是要求具有某些特性的 解。宽度优先搜索可被推广用来解决这 种寻找从起始状态至目标状态的具有最 小代价的路径问题,这种推广了的宽度 优先搜索算法叫做等代价搜索算法。

人工智能与搜索原理

人工智能与搜索原理
▪ 可把图搜索策略看成一种在图中寻找路径的方法。我们 已经介绍过有关图的表示方法。
▪ 图中的节点对应于状态,而连线对应于操作符。
2021/6/25
6
▪ 在介绍图搜索策略之前,让我们来看一个例子。 例子:从某王姓家族的四代中找王A的后代且其寿命为X 的人。
王A:寿命47,有儿子王B1、王B3、王B2 王B1:寿命77,有儿子王C1、王C2 王B3:寿命52,有儿子王D1 王B2:寿命65,有儿子王E1、王E2 王F1:寿命32 王G1:寿命96 王C2:寿命87,有儿子王F1 王D1:寿命77,没有儿子 王E1:寿命57,有儿子王G1
16
2021/6/25
17
▪ 宽度优先搜索算法如下:
(1) 把起始节点放到OPEN表中(如果该起始节点为一 目标节点,那么求得一个解答)。
(2) 如果OPEN是个空表,那么没有解,失败退出; 否那么继续。
(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。如果没有后继节点,那么转向上述 第(2)步。
2021/6/25
3
▪ 盲目搜索 ▪ 启发式搜索 ▪ 博弈树搜索 ▪ 遗传算法 ▪ 模拟退火算法
2021/6/25
4
3.1 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。
▪ 我们将学习的宽度优先搜索和深度优先搜 索,属于盲目搜索方法。
2021/6/25
5
3.1 盲目搜索
状态空间某条单一的路径从起始节点向下进展下 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。替代路径与前面已经 试过的路径不同之处仅仅在于改变最后n步,而 且保持n尽可能小。

人工智能原理与方法 ppt课件

人工智能原理与方法 ppt课件

2020/8/15
Wei Changhua
28
框架表示法的特点
▼ 结构性 ▼ 继承性
▼ 自然性
语义网络表示法:语义网络是通过概念及其语义关系表达 知识的一种网络图。最简单的语义网络是如下的三元组: (节点1,弧,节点2) ● 知识的语义网络表示 ● 用语义网络表示有关事实间的关系:分类关系;聚集关 系;推论关系;时间、位置关系;多元关系 ● 用语义网络表示比较复杂的知识:把一个复杂的知识命 题划分为若干个子命题,每个子命题用一个较简单的语义 网络表示,称为子空间,多个子空间构成一个大空间。
语言变量:用自然语言表示变量的值和描述变量之间的内在联系 的一种变量。比如,年龄就是个语言变量,它可以取值为年轻、 很年轻、不很年轻、老、很老、不很老等。 语言真值 模糊推理
2020/8/15
Wei Changhua
20
人工智能原理与方法
思考题 1、什么是合适公式? 2、试写出Bayes公式。 3、什么是语言变量? 4、试论述信息(知识)不确定性及其处 理的途径
● 脚本:脚本也称为剧本。它是用来描述固定事件序列
,它的结构类似于框架。剧本更强调事件间的因果关系。
● Petri网:Petri网是由德国计算机科学家Petri提出的, 由于它很好的模拟异步操作,所以在并行处理和分布式计 算机领域中应用很多。
2020/8/15
Wei Changhua
24
⑴ 一阶谓词逻辑表示法:谓词逻辑适合于表示事物 的状态、属性、概念等事物之间的知识,也可以用来表示 事物之间的因果关系,谓词公式一般用合适公式表示。
人工智能原理与方法
Department of Computer Science CCNU Email:
  1. 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. 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. 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)。

19
第三章 一般搜索原理
3.2 盲目搜索
皇后问题搜索过程(六)
() ((1,1))
Q Q
Q
((1,1) (2,3)) ((1,1) (2,4))
((1,1) (2,4) (3.2))
01.03.2020
20
第三章 一般搜索原理
3.2 盲目搜索
皇后问题搜索过程(七)
() ((1,1))
Q Q
((1,1) (2,3)) ((1,1) (2,4)) ((1,1) (2,4) (3.2))
回溯搜索策略
3.2 盲目搜索
回溯策略是一种试探性方式。在选择一个 操作时要建立一个回溯点。
在搜索过程中,如果遇到了困难,则要返 回到最近的一个回溯点,换一个操作继续 进行搜索。
01.03.2020
13
第三章 一般搜索原理
3.2 盲目搜索
回溯搜索策略举例
例:皇后问题
Q Q
Q Q
01.03.2020
“目标”状态是在每次扩展的时候进行搜索的。
01.03.2020
3
第三章 一般搜索原理
3.2 盲目搜索
3.2 盲目搜索
01.03.2020
4
第三章 一般搜索原理
3.2 盲目搜索
盲目搜索
盲目搜索是按预定的控制策赂进行搜索, 没有任何关于问题本身的信息,在搜索 过程中获得的中间信息并不改变控制策 略。由于搜索总是按预先规定的路线进 行,没有考虑到问题本身的特性,因此 这种搜索具有盲目性,效率不高,不便 于复杂问题的求解。
01.03.2020
5
第三章 一般搜索原理
3.2 盲目搜索
盲目搜索分类
搜索策略可分为三大类 不可撤回方式、回朔方式、图搜索方式
不可撤回方式:每一次搜索时,利用局部知识根据最优评价, 选出下一状态,选定后不能撤回,只能继续
回朔方式:在搜索过程中,有时会发现所选的路径不适合找到 目标,这时允许退回去另选一条路径。
10, RDATA:=GEN(R, DATA); 11, RDATALIST:=CONS(RDATA,
DATALIST); 12, PATH:=BACKTRCK1(RDATALIST) 13, IF PATH=FAIL GO LOOP; 14, RETURN CONS(R, PATH);
01.03.2020
TERM: 找目标
DEADEND: 状态不合法,无法继续搜索
APPRULES: 取可应用规则集
01.03.2020
29
第三章 一般搜索原理
3.2 盲目搜索
回溯搜索算法(二)
4, LOOP: IF NULL(RULES) RETURN FAIL;
5,
R:=FIRST(RULES);
6,
RULES:=TAIL(RULES);
3.2 盲目搜索
存在问题及解决办法
问题:
深度问题:如果深度太深 死循环问题: 如果状态出现重复
解决办法:
对搜索深度加以限制 记录从初始状态到当前状态的路径
01.03.2020
31
第三章 一般搜索原理
3.2 盲目搜索
增加约束后的回溯搜索算法
BACKTRACK1(DATALIST)
01.03.2020
6
第三章 一般搜索原理
3.2 盲目搜索
图搜索方式与回溯方式的不同
回溯方式不记忆那些试探失败的操作和 它们产生的状态描述,只记忆当前正在 搜索的路径。
图搜索方式则保存所有试探过的路径, 因而可以在任何一条路径上继续搜索
01.03.2020
7
第三章 一般搜索原理
3.2 盲目搜索
不可撤回搜索举例(一)
选择八数码问题 我们选取“不在位”的数字个数的负值作为爬山函数 八数码游戏的操作可描述为下面的4条产生式规则 (1) if空格不在最上一行then空格上移 (2) if空格不在最下一行then生格下移 (3) if空格不在最左一列then空格左移 (4) if空格不在最右一列then空格有移
但一般来讲,如果爬山函数有多个局部极大值存 在,该策略可能会引导到局部极大值点,而达不 到目标状态。
例如当八数码问题的初始状态和目标状态分别如 下时,任意一个可应用的操作都会降低爬山函数 的值,因此,得不到目标:
初始状态
123 74
865
125 74 863
目标
01.03.2020
12
第三章 一般搜索原理
14
第三章 一般搜索原理
3.2 盲目搜索
皇后问题搜索过程(一)
()
01.03.2020
15
第三章 一般搜索原理
3.2 盲目搜索
皇后问题搜索过程(二)
()
Q
((1,1))
01.03.2020
16
第三章 一般搜索原理
3.2 盲目搜索
皇后问题搜索过程(三)
() ((1,1))
Q Q
((1,1) (2,3))
7,
RDATA:=GEN(R, DATA);
8,
PATH:=BACKTRACK(RDATA);
9,
IF PATH=FAIL GO LOOP;
10,
RETURN CONS(R, PATH);
TAIL: 删除头条规则
GEN: 调用规则作用于当前状态
01.03.2020
CONS: 获取解路径规则表
30
第三章 一般搜索原理
01.03.2020
17
第三章 一般搜索原理
3.2 盲目搜索
皇后问题搜索过程(四)
()
Q
((1,1))
((1,1) (2,3))
01.03.2020
18
第三章 一般搜索原理
3.2 盲目搜索
皇后问题搜索过程(五)
() ((1,1))
Q Q
((1,1) (2,3)) ((1,1) (2,4))
01.03.2020
RETURN FAIL; 3, IF TERM(DATA) RETURN NIL; 4, IF DEADEND(DATA) RETURN FAIL; 5, IF LENGTH(DATALIST)>BOUND
RETURN FAIL;
01.03.2020
33
第三章 一般搜索原理
3.2 盲目搜索
增加约束后的回溯搜索算法(二)
01.03.2020
8
第三章 一般搜索原理
3.2 盲目搜索
不可撤回搜索的实现
不可撤回搜索的实现是将状态描述定义成一 个实数值的爬山函数。
控制策略就利用这个爬山函数来选择一个可 应用的操作,施行该操作的结果应使爬山函 数的值得到最大限度的增加。
01.03.2020
9
第三章 一般搜索原理
3.2 盲目搜索
35
第三章 一般搜索原理
3.2 盲目搜索
图搜索策略
图搜索策略就是在图中寻找从起始点到 目标点的路径的方法
图搜索的一般过程是构造搜索图的过程。 令搜索图开始时只有起始点S0,然后逐 步扩展节点,直到将目标点扩展到搜索 图里为止。扩展的过程就是搜索的过程
-4
283 164 75
01.03.2020
-3
283 14 765
爬山函 数值
-3
23 184 765
-2
23 18 4 7 65
-1
123 84
765
0
123 84 765
目标状态
11
第三章 一般搜索原理
3.2 盲目搜索
不可撤回搜索举例(三)
对于上例,采用不可撤回策略可以很快得到问题 的解。
01.03.2020
21
第三章 一般搜索原理
3.2 盲目搜索
皇后问题搜索过程(八)
()
Q
((1,1))
((1,1) (2,3)) ((1,1) (2,4)) ((1,1) (2,4) (3.2))
01.03.2020
22
第三章 一般搜索原理
3.2 盲目搜索
皇后问题搜索过程(九)
()
((1,1))
皇后问题搜索过程(十二)
()
((1,1))
((1,2))
Q Q
((1,1) (2,3)) ((1,1) (2,4))
Q ((1,2) (2,4))
((1,1) (2,4) (3.2))
((1,2) (2,4) (3,1))
01.03.2020
26
第三章 一般搜索原理
3.2 盲目搜索
皇后问题搜索过程(十三)
()
((1,1))
((1,2))
((1,1) (2,3)) ((1,1) (2,4))
((1,2) (2,4))
Q Q
Q Q
((1,1) (2,4) (3.2))
((1,2) (2,4) (3,1))
01.03.2020
((1,2) (2,4) (3,1) (4,3))
27
第三章 一般搜索原理
回溯搜索算法
((1,1) (2,3)) ((1,1) (2,4)) ((1,1) (2,4) (3.2))
01.03.2020
23
第三章 一般搜索原理
3.2 盲目搜索
皇后问题搜索过程(十)
()
Q((1,1))(源自1,2))((1,1) (2,3)) ((1,1) (2,4))
((1,1) (2,4) (3.2))
6, RULES:=APPRULES(DATA); 7, LOOP: IF NULL(RULES) RETURN FAIL; 8, R:=FIRST(RULES); 9, RULES:=TAIL(RULES);
相关文档
最新文档