南邮自动化人工智能3--确定性推理模板

猴子和香蕉问题的状态空间图
提问：人工搜索求解的解答？
4
3.1 图搜索策略
猴子和香蕉问题自动演示：
•
香蕉
Ha!Ha!
箱子
猴子
思考：计算机的搜索策略？
5
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。
• 图搜索过程（GraphSearch）
第三章 搜索推理技术
问题：知识表示有那些方法？知识表示的目的是
什么？构建智能系统的关键是什么？
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非单调推理 3.8小结
1
3.1 图搜索策略
• 思考：状态空间法的基本特点？基本推理方法？其 求解结果是什么？简单回顾实例：猴子与香蕉。
2018/10/12 29
3.2 盲目搜索
示范：有界深度(4)优先的八数码问题深度优先 搜索树？
2 1 7 8 6 3 4 5 1 8 7 2 6 3 4 5
（初始状态）
（目标状态）
30
3.2 盲目搜索
31
• 讨论1：如果问题有解，用深度优先搜索算 法，是否能够找到解？ • 不一定. 解空间是否有限？
19
2018/10/12
•
标记每个到n节点指针，按照节点深度递 增顺序排列open中的节点 • 8 go loop • 理论上可以利用宽度优先搜索能够找到解， 如果问题有解的话。
• 讨论：宽度优先算法和深度优先算法可能 出现组合爆炸。都没有利用任何启发式信 息，所以称为无信息搜索策略。
2018/10/12 20
8
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。 • 8）按某一任意方式或按某个探试值，重排OPEN表。 • 9）GO LOOP。
9
图搜索策略
• 图搜索的实质是从问题空间中找出一张包含目标节点的子 图。 • 图搜索的结果：1，一个完整的搜索图G。2一个解路径，用 指针表示的解路径。 • Procedure Graph Search • 1 G=G0(G0=s),open=(s) //s:初始状态 • 2 closed=() • 3Loop:if open=() then exit(fall) • 4 n←first(open) remove(n,open), add(n,closed) • 5 if goal(n) then exit(success) • 6{mj} ←expand(n), //mj不含n的先辈节点 • 7 open←add(open，mj) // mj不在open，closed中
6
开始
3.1 图搜索策略
(1) (3)
把S放入OPEN表
(4)
是 OPEN表为空表？ 失败 否 把第一个节点(n)从OPEN表移至CLOSED表
(5) (6) (7)
n为目标节点吗？
是
成功
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
(7) (9) (8)
(1)
修改指针方向
重排OPEN表 图3.1 图搜索过程框图 宽度优先
goto（U）
（U，0，Y，z） （V，0，V，z） （W，1，W，z）
pushbox（V）
climbbox
grasp
（ c， 1 ， c， 1 ）
3
3.1 图搜索策略
goto（U）
（ a ， 0 ， b， 0 ） goto（U） （ U ， 0 ， b， 0 ）
U=b, pushbox（V） U=b，climbbox pushbox（V） V≠c，climbbox （ V， 0， V， 0） V=c，climbbox （c，1，c，0） goto（U） （ U， 0， V， 0） goto（U） （c，1，c，1） 目标状态 (b，1，b，0)
2018/10/12
13
3.1 图搜索策略
• 思考：
– – – – （1）结果路径的形成中，为什么其节点顺序是明确的？ （2）OPEN表中的节点具有什么特点？ （3）CLOSED表中的节点具有什么特点？ （4）对OPEN表节点的排序有何意义？
• 提出：盲目搜索与启发式搜索。
14
3.2
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。
– 特点：不需重排OPEN表； – 种类：宽度优先、深度优先、等代价搜索等。
3.2.1 宽度优先搜索（Breadth-first）
定义：
以接近起始节点的程度逐层扩展节点的搜索方法。
特点：
一种高代价搜索，但若有解存在，则必能找到它。
15
宽度优先搜索示意图
S
L M N F
16
O F P F Q F
(2)
OPEN CLOSED
7
3.1 图搜索策略
图搜索的一般过程如下：
• 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 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)。
2
3.1 图搜索策略
• 用一个四元表列（W，x，Y，z）表示这个问题状态
– – – – W 猴子的水平位置 x 当猴子在箱子顶上时取 x = 1；否则取 x = 0 Y 箱子的水平位置 z 当猴子摘到香蕉时取 z=1；否则取 z=0
• 算符：
– Goto（U），
• （W，0，Y，z） – Pushbox（V）， • （W，0，W，z） – Climbbox， • （W，0，W，z） – Grasp， • （ c ， 1 ， c， 0 ）
7 6
5
7 6
5
（初始状态）
（目标状态）
规定：将牌移入空格的顺序为：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）。
24
3.2 盲目搜索
25
3.2 盲目搜索
3.2.2 深度优先搜索(Dephth-first)
定义：
把S放入OPEN表
OPEN表为空表？
是
失败
否 把第一个节点(n)从OPEN表移至CLOSED表 节点n的深度等于最大深度？ 否
扩展n，把n的后继节点放入OPEN 表的前端，提供返回节点n的指针
是 是否有后继节点 成功 为目标节点？ 否 图3.6 深度优先算法框图
28
深度优先算法
• • • • • • • • • Procedrue depth-First-Search 1 G=G0(G0=s),open=(s),closed=() //s:初始状态 2 Loop:if open=() then exit(fall) 3 n←first(open) 4 if goal(n) then exit(success) 5remove(n,open), add(n,closed) 6{mj} ←expand(n), //mj不含n的先辈节点 7 open←add(open，mj) // mj不在open，closed中 标记mj每个到n节点指针，按照节点深度递减顺 序排列open中的节点 • 8 go loop
首先扩展最新产生的(即最深的)节点。
特点： 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。
与宽度优先搜索算法最根本的不同在于：将扩展 的后继节点放在OPEN表的前端。
26
3.2 盲目搜索
深度优先搜索示意图
S
L M N F
27
O F P F Q F
3.2 盲目搜索 开始
：
• 宽度优先例题： • 由一张桌子T、三个积木A、B、C组成一个 积木世界，初始状态是A在B上，B在桌子上， C在桌子上；目标状态是：A、B、C依次从 上到下排列在桌子上。如图
2018/10/12
21
• 解：1）状态描述（P1，P2，P3）表示按A、 B、C顺序依次分别在P1,P2,P3上其中Pi是积 木或者桌子。初始状态时（B、T、T）,目标 状态 可以表示（B、C、T） • 2）定义操作:move(x,y)表示将积木x移到Y 上 ； • 约束条件:a X顶部必须是空的 b 如果Y是积 木，Y的顶部必须是空的 • c 同一种状态出现不得多于一次。
是 是否有后继节点 成功 为目标节点？ 否 图3.2 宽度优先算法框图
思考：与原始算法比较异同，宽度优先的体现？
18
宽度优先算法
• • • • • • • • Procedrue breadth-First-Search 1 G=G0(G0=s),open=(s),closed=() //s:初始状态 2 Loop: if open=() then exit(fall) 3 n←first(open) 4 if goal(n) then exit(success) 5remove(n,open), add(n,closed) 6{mj} ←expand(n), //mj不含n的先辈节点 7 open←add(open，mj) // mj不在open，closed 中