人工智能之(搜索推理技术1-图盲目搜索)
合集下载
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 ()
智能控制-第三章--搜索推理技术概要PPT课件
第三章 搜索推理技术
3.1 图搜索策略 3.2 盲目搜索 3.3 启发式搜索 3.4 消解原理 3.5 规则演绎系统
3.6 产生式系统 3.7 系统组织技术 3.8 小结
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。这些节点和连线又分别由产生 式系统的数据库和规则来标记。求得把一个 数据库变换为另一数据库的规则序列问题就 等价于求得图中的一条路径问题。
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)。
.
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。
是否有后继节点 为目标节点？
否
是 成功
图3.2 宽度优先算法框图
.
❖ 例子
八数码难题（8-puzzle problem）
3.2 盲目搜索
28 3
1
4
76 5
（初始状态）
12 3
8
4
76 5
（目标状态）
规定：将棋子移入空格的顺序为：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）。
.
深度优先搜索示意图
3.1 图搜索策略 3.2 盲目搜索 3.3 启发式搜索 3.4 消解原理 3.5 规则演绎系统
3.6 产生式系统 3.7 系统组织技术 3.8 小结
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。这些节点和连线又分别由产生 式系统的数据库和规则来标记。求得把一个 数据库变换为另一数据库的规则序列问题就 等价于求得图中的一条路径问题。
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)。
.
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。
是否有后继节点 为目标节点？
否
是 成功
图3.2 宽度优先算法框图
.
❖ 例子
八数码难题（8-puzzle problem）
3.2 盲目搜索
28 3
1
4
76 5
（初始状态）
12 3
8
4
76 5
（目标状态）
规定：将棋子移入空格的顺序为：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）。
.
深度优先搜索示意图
人工智能及其应用-状态空间的盲目搜索
点设置指向父节点的指针，然后转第(2)步。
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
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
人工智能搜索技术(PPT 79张)
7 283 714 65 15 2 8 3 714 6 5 24 2 8 3 7 4 615
16 1 2 3 84 765 26 25 2 8 3 1 2 3 1 2 3 714 8 4 784 65 765 65
234 234 28 248 1 8 185 143 1 3 765 76 765 765
3.1 盲目搜索
3.1.2 宽度优先搜索
定义3.1 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)
3.1 盲目搜索
3.1.2 宽度优先搜索
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。 (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。
9
2 5 1 4 6 7 3 8 2 5 1 4 6 7 3 8 2 4 5 1 6 7 3 8 2 4 5 1 6 7 3 8 2 4 5 1 3 6 7 8 2 4 5 1 6 7 3 8 2 4 5 1 3 6 7 8 2 4 5 1 3 6 72 8 3 1 6 4 7 5 2 8 3 1 4 7 6 5 2 3
4.图搜索方法分析：
图搜索过程的第8步对OPEN表上的节点进行排序，以便能够 从中选出一个“最好”的节点作为第4步扩展用。这种排序可 以是任意的即盲目的(属于盲目搜索)，也可以用以后要讨论的 各种启发思想或其它准则为依据(属于启发式搜索)。每当被选 作扩展的节点为目标节点时，这一过程就宣告成功结束。这时， 能够重现从起始节点到目标节点的这条成功路径，其办法是从 目标节点按指针向S返回追溯。当搜索树不再剩有未被扩展的 端节点时，过程就以失败告终(某些节点最终可能没有后继节 点，所以OPEN表可能最后变成空表)。在失败终止的情况下， 从起始节点出发，一定达不到目标节点。
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
(搜索推理技术-与或树搜索)
7、无判断起始节点1可解
8、从OPEN中删除含有可解先辈节点的节点
删除
OPEN= { B, C, t1, 10, 11, 12, A, t2, t3 }
CLOSED= { 1, 2, 3, 4, 5, 6, 7, 8, 9 } OPEN= {t1, 10, 11, 12, t2, t3}
CLOSED= {1, 2, 3, 4, 5, 6, 7, 8, 9} 说明：对于OPEN表中的叶节点直接移到 CLOSED表，不作任何处理
OPEN= {9, B, C, t1, 10, 11, 12, A} CLOSED= {1, 2, 3, 4, 5, 6, 7, 8}
第九大循环（3、4、5、6、7、8步）： 3、从OPEN表中取出节点9，并送到CLOSED表 4、扩展节点9，生成后继节点 t2、t3，并送到 OPEN表的末端 5、有叶节点 6、实现可解标志过程（可以判断节点9、4、2可解）
即OPEN是堆栈
注意
由于深度限制，深度优先搜索算法有可能找不 到解
例：
深度界限为4
√
2
1
√
√
6
√
3
Ⅹ A √ √
7 √
C
Ⅹ
4
5
8
t
√
Ⅹ B
t
t
t
t
√
√
√
√
注：后生成的节点画在左边
课堂练习：用宽度和深度优先搜索算法找出解树
提示：对于宽度优先搜索，先生成的节点画在左；
对于深度优先搜索，后生成的节点画在左
CLOSED= { 1, 2, 3, 4, 5, 6, 7, 8, 9, t1, 10 }
搜索过程演示
√
人工智能课件-搜索推理技术
(3) 對變數標準化 對啞元（虛構變數）改名，以保證每個量詞 有其自己唯一的啞元。
1
3.4 消解原理
(4) (x)｛～P(x)∨{(y)[~P(y)∨P(f(x,y))］
∧［Q(x,g(x)）∧～P(g(x))］｝｝
式中，w=g(x)為一Skolem函數。
(4) 消去存在量詞
以Skolem函數代替存在量詞內的約束變數，
❖ 實質
❖ 把一棵根部有NIL的反演樹變換為根部帶有回 答 語句的一棵證明樹。
1
3.5 規則演繹系統
—— g是g*的估計 ，h是h*的估計
❖ A*演算法的定義：
定義1 在GRAPHSEARCH過程中，如果第8步的重排OPEN表
是依據f(x)=g(x)+h(x)進行的，則稱該過程為A演算法。
定義2 在A演算法中，如果對所有的x存在h(x)≤h*(x),則稱h(x)
為h*(x)的下界，它表示某種偏於保守的估計。
子句（4） {a/x,b/y}
子句（7） ～M(b)
子句（5）
圖3.12 儲蓄問題反演樹
NIL
1
3.4 消解原理
❖ 反演求解過程 ❖從反演樹求取答案步驟
❖把由目標公式的否定產生的每個子句添加到目 標公式否定之否定的子句中去。
❖按照反演樹，執行和以前相同的消解，直至在 根部得到某個子句止。
❖用根部的子句作為一個回答語句。
❖ 種類：有序搜索、A*演算法等
3.3.1 啟發式搜索策略和估價函數
❖盲目搜索可能帶來組合爆炸 ❖啟發式資訊
用來加速搜索過程的有關問題領域的特徵資訊。
1
3.3 啟發式搜索
❖ 估價函數 為獲得某些節點“希望”的啟發資訊，提供一
1
3.4 消解原理
(4) (x)｛～P(x)∨{(y)[~P(y)∨P(f(x,y))］
∧［Q(x,g(x)）∧～P(g(x))］｝｝
式中，w=g(x)為一Skolem函數。
(4) 消去存在量詞
以Skolem函數代替存在量詞內的約束變數，
❖ 實質
❖ 把一棵根部有NIL的反演樹變換為根部帶有回 答 語句的一棵證明樹。
1
3.5 規則演繹系統
—— g是g*的估計 ，h是h*的估計
❖ A*演算法的定義：
定義1 在GRAPHSEARCH過程中，如果第8步的重排OPEN表
是依據f(x)=g(x)+h(x)進行的，則稱該過程為A演算法。
定義2 在A演算法中，如果對所有的x存在h(x)≤h*(x),則稱h(x)
為h*(x)的下界，它表示某種偏於保守的估計。
子句（4） {a/x,b/y}
子句（7） ～M(b)
子句（5）
圖3.12 儲蓄問題反演樹
NIL
1
3.4 消解原理
❖ 反演求解過程 ❖從反演樹求取答案步驟
❖把由目標公式的否定產生的每個子句添加到目 標公式否定之否定的子句中去。
❖按照反演樹，執行和以前相同的消解，直至在 根部得到某個子句止。
❖用根部的子句作為一個回答語句。
❖ 種類：有序搜索、A*演算法等
3.3.1 啟發式搜索策略和估價函數
❖盲目搜索可能帶來組合爆炸 ❖啟發式資訊
用來加速搜索過程的有關問題領域的特徵資訊。
1
3.3 啟發式搜索
❖ 估價函數 為獲得某些節點“希望”的啟發資訊，提供一
人工智能中图搜索算法(PDF 159页)
图4—5 八数码问题的广度优先搜索
第9页
第4章 图搜索技术
以上两个问题都是在某个有向图中寻找目标或路径问 题，这种问题图搜索问题。把描述问题的有向图称为状态 空间图，简称状态图。图中的节点代表问题中的一种格局， 一般称为问题的一个状态，边表示两个状态之间的联系。 在状态图中，从初始节点到目标节点的一条路径或者所找 到的目标节点，就是问题的解（路径解）。
谓搜索，顾名思义，就是从初始节点出发，沿着与之相连 的边试探地前进，寻找目标节点的过程(也可以反向进行)。 搜索过程中经过的节点和边，按原图的连接关系，形成树 型的有向图，称为搜索树。搜索过程应当随时记录搜索痕 迹。
1.搜索方式 用计算机来实现状态图的搜索，有两种最基本的方式： 树式搜索和线式搜索。 所谓树式搜索，形象地讲就是以“画树”的方式进行 搜索。 即从树根（初始节点）出发一笔一笔地描出来的。
状态图实际上是一类问题的抽象表示。事实上，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、定理证明、演
绎推理、机器人行动规划等）都可以归结为在某一状态图
中寻找目标或路径的问题。因此，研究状态图搜索具有普
遍意义。
第10页
第4章 图搜索技术
4.1.2 状态图搜索 在状态图中寻找目标或路径的基本方法就是搜索。所
第4章 图搜索技术
3. 搜索算法 由于搜索的目的是为了寻找初始节点到目标节点 的路径，所以在搜索过程中就得随时记录搜索轨迹。 为此，我们用一个称为CLOSED表的动态数据结构来 专门记录考查过的节点。显然，对于树式搜索来说， CLOSED表中存储的正是一棵不断成长的搜索树；而 对于线式搜索来说，CLOSED表中存储的是一条不断 伸长的折线，它可能本身就是所求的路径(如果能找到 目标节点的话)。
状态空间与图搜索
1,1 A(1,3)
2,1 2,3
3,3
1,3
3,1 B(1,2)
3,2 A(3,2)
1,2 2,2
A B
12 3
S0
《人工智能》
A B
12 3
Sg
猴子摘香蕉问题
c
a
b
《人工智能》
状态：(w,t,x,y,z)
初始状态：(c,a,b,0,0)
w:猴子的水平位置
{a,b,c} 目标状态：(a,a,a,1,1)
《人工智能》
树节点深度： 根节点深度=0 其它节点深度=父节点深度+1
0 1
2
3
《人工智能》
路径的代价（耗散值） 等于连接这条路径各节点间所有代价（耗散值）的总和。
代价树：边上标有代价的树状结构图 若干记号： S0－初始态；Sg－目标态； g(x)－从S0到节点x的代价；g(xj)=g(xi)+ C(xi, xj)
《人工智能》
n 皇后问题解的个数:独立解U;互不相同的解D 现在还没有已知公式可以对 n 计算 n 皇后问题的解的个数。
n 1 2 3 4 5 6 7 8 9 10 11 12
13
14
U 1 0 0 1 2 1 6 12 46 92 341 1787 9233 45752
D 1 0 0 2 10 4 40 92 352 724 2680 14200 73712 365596
m 0 m c 1,2 m 3
m c 1,2
(3,3,1)
(3,2,0)
(2,2,0) (3,1,0)
m m x b 1: c c y ,
b 0
m m x b 0 : c c y ,
人工智能ch3 盲目搜索
– 扩展某节点时图G已保存了从初始节点到该节点的搜索树。 – G中每个节点（S除外）有且仅有一个指向G中一个父节点的 指针。 – OPEN表中节点都是搜索图上未被扩展的端节点。 – CLOSED 表中节点，是已被扩展但没有生成后继节点的端 节点， 或是搜索树的非端节点。
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；
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；
人工智能导论-第3章 搜索求解1 - 启发式搜索
个标号为A的结点所对应状态相同，但是这三个
节点在搜索树中却是不同结点，因为它们分别代
表了从初始状态出发到达城市 A 的三条不同路径。
这三个结点表示的路径分别为：A → B → A、
A → D → A和A → E → A。因此需要注意的是，在
搜索树中，同一个标号一定表示相同的状态，其
含义为智能体当前所在的城市，但是一个标号可
达每个状态（城市）的最短路径。在处理通向相同状态的不同路径时，算法会更新当前的
前驱状态。
图3.7 修改后图搜索A*算法扩展A→E→G结点，红色实线表示
当前搜索树中的边，虚线表示不在搜索树中的边
搜索算法：A*算法性能分析
图搜索A*算法满足最优性（方法二）：
要求启发函数满足一致性
引理3.1：启发函数满足一致性条件时，给定一个从搜索树中得到的结点序列，每个结
ถ
=
+
评价函数 起始结点到结点代价
(当前最小代价)
B
5
5
3
D
4
I
C
A
5
7
6
4
E
4
H
G
J
3
3
3
F
7
K
5
6
L
()
ถ
结点到目标结点代价
(后续估计最小代价)
状态
A
h(n)
13 10 6 12 7 8 5 3 6 3 0 6
B C D
E F G H I J K L
A*算法
搜索算法：A*算法
搜索算法：启发函数与评价函数
贪婪最佳优先搜索
所求解问题之外、与所求解
问题相关的特定信息或知识。
节点在搜索树中却是不同结点，因为它们分别代
表了从初始状态出发到达城市 A 的三条不同路径。
这三个结点表示的路径分别为：A → B → A、
A → D → A和A → E → A。因此需要注意的是，在
搜索树中，同一个标号一定表示相同的状态，其
含义为智能体当前所在的城市，但是一个标号可
达每个状态（城市）的最短路径。在处理通向相同状态的不同路径时，算法会更新当前的
前驱状态。
图3.7 修改后图搜索A*算法扩展A→E→G结点，红色实线表示
当前搜索树中的边，虚线表示不在搜索树中的边
搜索算法：A*算法性能分析
图搜索A*算法满足最优性（方法二）：
要求启发函数满足一致性
引理3.1：启发函数满足一致性条件时，给定一个从搜索树中得到的结点序列，每个结
ถ
=
+
评价函数 起始结点到结点代价
(当前最小代价)
B
5
5
3
D
4
I
C
A
5
7
6
4
E
4
H
G
J
3
3
3
F
7
K
5
6
L
()
ถ
结点到目标结点代价
(后续估计最小代价)
状态
A
h(n)
13 10 6 12 7 8 5 3 6 3 0 6
B C D
E F G H I J K L
A*算法
搜索算法：A*算法
搜索算法：启发函数与评价函数
贪婪最佳优先搜索
所求解问题之外、与所求解
问题相关的特定信息或知识。
人工智能答案终极版
人工智能复习参考（2015工程硕士）1-1.什么是人工智能？它的研究目标是什么？人工智能（Artificial Intelligence）,简称AI，又称机器智能（Machine Intelligence，MI），主要研究用人工的方法和技术开发智能机器或智能系统，以模仿、延伸和扩展人的智能、生物智能、自然智能，实现机器的智能行为。
近期目标：人工智能的近期目标是实现机器智能。
即先部分地或某种程度地实现机器智能，从而使现有的计算机更灵活好用和更聪明有用。
远期目标：人工智能的远期目标是要制造智能机器。
具体讲就是使计算机具有看、听、说、写等感知和交互能力，具有联想、学习、推理、理解、学习等高级思维能力，还要有分析问题解决问题和发明创造的能力。
1-2.人工智能有哪些研究方法和途径？简单描述它们的特点。
一、传统划分法1.符号主义：以人脑的心理模型为依据，将问题或知识表示成某种符号，采用符号推演的方法，宏观上模拟人脑的推理、联想、学习、计算等功能，实现人工智能。
2.连接主义：不仅要求机器产生的智能和人相同，产生的过程和机理也应该相同。
人或某些动物所具有的智能皆源自于大脑，通过对大脑微观结构的模拟达到对智能的模拟，这是一条很自然的研究人工智能的途径。
3.行为主义：模拟人在控制过程中的智能活动和行为特性，如自适应，自寻优、自学习、自组织等，以此来研究和实现人工智能。
二、现代划分法1.符号智能：是对智能和人工智能持狭义的观点，侧重于研究任何利用计算机软件来模拟人的抽象思维过程，并把思维过程看成是一个抽象的符号处理过程。
2.计算智能:计算机智能又重新回到依靠数值计算解决问题的轨道上来，它是对符号智能中符号推演的再次否定。
3.群体智能：它认同智能同样可以表现在群体的整体特性上，群体中每个个体的智能虽然很有限，但通过个体之间的分工协作和相互竞争，可以表现出很高的智能。
1-3.为什么能够用机器（计算机）模仿人的智能？假设：任何一个系统，如果它能够表现出智能，那么它就必定能够执行上述6种功能:输入符号；输出符号；存储符号；复制符号；建立符号结构；条件性迁移：反之，任何系统如果具有这6种功能，那么它就能够表现出智能，这种智能指的是人类所具有的那种智能。
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).
《人工智能》课程简介
《人工智能》课程简介
课程目标：
人工智能是研究如何利用计算机来模拟人脑所从事的感知、推理、学习、思考、规划等人类智能活动，来解决需要用人类智能才能解决的问题，以延伸人们智能的科学。
掌握人工智能的基本概念、基本原理、知识的表示、推理机制和求解技术，以及机器学习的技术方法. 掌握人工智能的一个问题和三大技术，即通用问题求解和知识表示技术、搜索技术、推理技术。
课程主要内容：
1.搜索技术
✧图搜索技术
✧盲目搜索算法(宽度优先搜索、深度优先搜索、均一代价搜索)
✧启发式搜索算法(登山法、分支界限法、动态规划法、A算法、A*算法)
✧与或图搜索(AO*搜索)
✧博弈树搜索(极大极小法,剪枝的?-?剪枝法)
✧高级搜索技术(遗传算法)
2. 归结推理方法
✧谓词逻辑表达式
✧谓词逻辑归结原理
✧Herbrand定理。
3.知识表示方法
✧产生式规则表示法
✧语义网络表示法
✧框架表示法
✧脚本方法
✧过程表示
✧直接表示
4.机器学习
✧实例学习
✧解释的学习
✧决策树学习
✧神经网络学习(人工神经网络的结构、模型，解BP算法)。
- 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)。
④ 扩展节点 n 。如果没有后继节点，则转向第 ②步
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（反向追踪得到从目标节点到起始 节点的路径），成功退出，否则转向第②步
说明：
OPEN 表是存放待扩展的节点，从数据结构 上来说，它是一个先进先出的队列
CLOSED 表是存放已被扩展过的节点（包括 有后继节点的非端节点和无后继节点的端节
点）
流程图
注意几点：
①搜索过程产生的节点和指针构成一棵隐式定义的 状态空间树的子树，称之为搜索树
② 宽度优先搜索方法能够保证在搜索树中找到 一条通向目标节点的最短途径（所用操作符
最少）
例：八数码问题
初始状态 2 8 3 1 7 6 4 5 目标状态 1 2 3 8 7 2 操作符： 1 空 3 4 6 4 5
状态：长度为9的一维数组
（ q 1 , q2 , … , q 9 ）
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
Q
X
X
Q
Q Q
Q
假设，每个节点的分支数为10；10000节点/秒； 1000字节/节点
P+3
空格移动规则
顺序
规则
左移
前提条件
应用结果
P 位置与 P-1 位置上的元素互换
1
P≠1,4,7
2
3
上移
下移
P≠1,2,3
P≠7,8,9
P-3
P+3
4
右移
P≠3,6,9
P+1 P-3
1 4 7
2 5 8
3 6 9
P-1
P
P+3
P+1
为了记录后继节点与父节点之间的指针，我们将
长度为 9 的数组扩大到长度为 11 的数组，其中 一个元素记录该节点的父节点标志，另一个元素
3.2 盲目搜索
盲目搜索是指无问题先验信息的搜索技术
特点：
OPEN表中节点的排列是人为规定的 一般只适合于求解比较简单的一些问题
图的盲目搜索技术分成： 宽度优先搜索技术
深度优先搜索技术
等代价（代价优先）搜索技术
3.2.1 宽度优先搜索
宽度优先搜索：以接近起始节点的程度依次扩展 节点的搜索技术（即：离起始节点近的节点先被
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
王E2：寿命92，有儿子王H1 王C1：寿命27，没有儿子 王H1：寿命51
8 1
3 4 5
1
2 8
3 4 5
2 1 7
3 8 6
4
2
8 6
3 4 5
2 1 7
8 6 5
3
2 1 4 6
8 3 5
2 1 7
8 4
3 5 6
7
6
5
1
7
4
7
8
1
3
8 2
3 1 4
2
8
3
2 7
8 1
3 4
1
2
3
1 8
2
3 4
2
7 6
4
5
7
6 1
4
5
7
8
6
4
5
7
6
5
6
5
7
6
5
目标 节点
生成后继节 点的顺序
5 5 5 5 5 5 5 5 5
10 11
4
1
2
8
3
1
6
4
0
7
5
4
5 5 6 7
4
2 3 4 4
2
2 2 8 2
8
8 8 0 8
3
0 3 3 3
1
1 1 2 7
6
4 4 1 1
4
3 5 4 4
7
7 7 7 6
5
5 6 6 0
0
0 0 5 5
12
13
14
15 16
目标节点
8
16
3
4
1
1
2
2
3
3
0
8
2
3
2
8
3
7
1
4
0
6
5
…………………. 一直继续下去，而且不产生已经产生过的节点 （状态），防止死循环。在程序中每一个新产 生的节点必须与 OPEN 和 CLOSED 表中状态
进行比较，判断是否已经产生过，只保留从未
产生过的节点
最后的OPEN表：
9 10 11 12 3 3 2 1 2 2 2 2 3 8 8 0 4 3 3 8 1 0 1 1 8 6 6 4 0 4 0 3 7 1 7 7 6 7 5 6 5 5 4 5
13
14
1
4
2
8
8
3
3
0
1
2
4
1
5
4
7
8
7
2
3 4
14 15 15
16 16
3 2 4
3 4
8 2 2
1 1
1 8 8
2 2
3 3 3
3 3
2 7 7
7 8
0 0 1
8 0
4 4 4
4 4
7 6 6
0 7
6 1 5
6 6
5 5 0
5 5
6
5
目标节点
最后的CLOSED表：
1 2 3 4 5 6 7 8 9
图搜索中的两个重要记号（符号）：
OPEN 表：
存放待扩展的节点
CLOSED 表：存放已扩展的节点 注意：在与或树搜索中也要用到这两张表
数据结构中图的遍及：从图某一个节点出发， 访问遍图中其余节点，且每一个节点仅仅被访问 一次。 当前图的搜索技术中，有两个特殊之处： 搜索前，图并没有生成好，需要边生成图边搜索 搜索从起始节点（初始状态）开始，到目标节点 （目标状态）结束，不需要搜索所有可能的节点
扩展）
扩展节点的原则：先扩展出来的节点随后优先被 扩展（生成其所有的后继节点）
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，则得到解) ② 如果 OPEN 是个空表，则无解，失败退出； 否则继续下一步
③ 把第一个节点(记作节点 n )从 OPEN 表移出， 并把它放入 CLOSED 的已扩展节点表中
节点n 3 1 0 4 7 6 5
④ 扩展节点n
0 0 2 8 3 1 扩 展 0 4 7 6 5
2 8 3 1 4 7 6 5
2
2 2 2
8
0 8 8
3
3 3 3
0
1 1 1
1
8 6 4
4
4 4 0
7
7 7 7
6
6 0 6
5
5 5 5
⑤ 将节点 n 的所有后继节点放到 OPEN 表的末
端，并提供这些后继节点回到 n 的指针 OPEN表 1 1 1 1 2 3 2 2 2 0 8 0 8 0 2 3 3 3 0 1 1 8 1 8 6 3 4 4 4 1 7 7 7 0 CLOSED 4 7 6 5 6 6 0 5 5 5
若X=57，下面讨论一种可通用的图搜索策略求解此问
题。 如果是一个N代的家族表中找其寿命为X的人，我 们最可能用的手工方法是从家族表的开始往下，例中 还要求所找的人是某人的后代，就比较复杂了。如果
用图来表示，就很容易了。图中把姓氏省去，每个成
员的后代按例子中给出名字的先后顺序。图示为：
3.1 图搜索策略
CLOSED表
1 0 0 2 8 3 1 0 4 7 6 5
节 点 n
2 1
1
2
8
3
0
1
4
7
6
5
④ 扩展节点 n 1 1 2 8 3 0 1 4
2 8 3 1 4 7 6 5 7 6 5
0
2
8
8
3
3
2
7
1
1
4
4
7
0
6
6
5
5
⑤ 将节点 n 的所有后继节点放到 OPEN 表的末 端，并提供这些后继节点回到 n 的指针 OPEN表 1 1 1 2 2 3 4 2 2 2 2 0 0 8 8 8 3 3 3 3 1 1 1 2 8 6 4 1 4 4 0 4 7 7 7 7 6 0 6 6 5 5 5 5
1 1 1 1 2 2 3 3
1 2 3 4 2 3 1 4
2 2 2 2 2 0 2 0 2
8 8 0 8 8 8 8 2 3
3 3 3 3 3 3 3 3 0
1 0 1 1 1 2 7 1 1
0 1 8 6 4 1 1 8 8
4 4 4 4 0 4 4 4 4
7 7 7 7 7 7 0 7 7
6 6 6 0 6 6 6 6 6
8
0
4
4