最新人工智能原理第2章搜索技术下ppt课件
合集下载
人工智能问题求解基本原理及搜索技术51页PPT
5、教导儿童服从真理、服从集体，养 成儿童 自觉的 纪律性 ，这是 儿童道 德教育 最重要 的部分 。—— 陈鹤琴
66、节制使快乐增加并使享受加强。 ——德 谟克利 特 67、今天应做的事没有做，明天再早也 是耽误 了。——裴斯 泰洛齐 68、决定一个人的一生，以及整个命运 的，只 是一瞬 之间。 ——歌 德 69、懒人无法享受休息之乐。——拉布 克 70、浪费时间是一桩大罪过。——卢梭、纪律是管理关系的形式。——阿法 纳西耶 夫 2、改革如果不讲纪律，就难以成功。
3、道德行为训练，不是通过语言影响 ，而是 让儿童 练习良 好道德 行为， 克服懒 惰、轻 率、不 守纪律 、颓废 等不良 行为。 4、学校没有纪律便如磨房里没有水。 ——夸 美纽斯
《搜索技术》PPT课件
注：1)这里，搜索的对象(常称状态)往往是边 搜索边生成，因此在考虑这种搜索的复杂性时， 必须将搜索对象的生成和评估的代价计算在内。
8
第三章 搜索技术
第二节 启发式搜索
一、启发式搜索
注：2)根据启发性信息(特定领域的知识信息)， 在生成搜索树时可考虑种种可能的选择：
a)下一步展开哪个节点？ b)是部分展开还是全部展开？ c)使用哪个规则(算子)？ d)怎样决定舍弃还是保留新生成的节点？ e)怎样决定舍弃还是保留一棵子树？ f)怎样决定停止或继续搜索？ g)如何定义启发函数(估值函数)？ h)如何决定搜索方向？
22
第三章 搜索技术
第二节 启发式搜索 五、H*算法 注：5)若估计值函数h(n)满足单调条件：
h(ni)-h(nj) k*(ni,nj)（其中k*(ni,nj)是从ni到nj的 最小代价，nj是ni的后续节点）， 则H*算法是循着从初始状态通向该节点的最优路 径到达该节点的。
6)在H*算法中，每次只生成一个后续节点。
5
第三章 搜索技术
第一节 引言 二、研究和选用搜索算法的原则 10、有对手搜索还是无对手搜索？
若有两个控制源均能改变同一状态空间，并且 任何一方向目标前进时，另一方均试图将它从目 标拉开，则称为有对手搜索，通常称为博弈搜索。 注：博弈搜索算法可以看成是一种特殊的问题空 间搜索。
6
第三章 搜索技术
八、A*算法 注： 3)A*算它的效率，则 当启发式函数h的值单调上升时，它的效率只会 上升，不会下降，且有较合理的渐近性质
5)若不是考虑被展开的节点个数，而是考虑 各节点被展开的次数，则A*算法在最坏情况下表 示出很高的复杂性
第二节 启发式搜索 六、完全展开的有序搜索算法 6)若在SS或SB中原有一个状态与当前某个新状态 共一个状态，则删去原有状态 7)若SS的第一项是一个新状态，则转11) 8)若某种状态极限已达到，则搜索失败，算法运 行结束，无解
8
第三章 搜索技术
第二节 启发式搜索
一、启发式搜索
注：2)根据启发性信息(特定领域的知识信息)， 在生成搜索树时可考虑种种可能的选择：
a)下一步展开哪个节点？ b)是部分展开还是全部展开？ c)使用哪个规则(算子)？ d)怎样决定舍弃还是保留新生成的节点？ e)怎样决定舍弃还是保留一棵子树？ f)怎样决定停止或继续搜索？ g)如何定义启发函数(估值函数)？ h)如何决定搜索方向？
22
第三章 搜索技术
第二节 启发式搜索 五、H*算法 注：5)若估计值函数h(n)满足单调条件：
h(ni)-h(nj) k*(ni,nj)（其中k*(ni,nj)是从ni到nj的 最小代价，nj是ni的后续节点）， 则H*算法是循着从初始状态通向该节点的最优路 径到达该节点的。
6)在H*算法中，每次只生成一个后续节点。
5
第三章 搜索技术
第一节 引言 二、研究和选用搜索算法的原则 10、有对手搜索还是无对手搜索？
若有两个控制源均能改变同一状态空间，并且 任何一方向目标前进时，另一方均试图将它从目 标拉开，则称为有对手搜索，通常称为博弈搜索。 注：博弈搜索算法可以看成是一种特殊的问题空 间搜索。
6
第三章 搜索技术
八、A*算法 注： 3)A*算它的效率，则 当启发式函数h的值单调上升时，它的效率只会 上升，不会下降，且有较合理的渐近性质
5)若不是考虑被展开的节点个数，而是考虑 各节点被展开的次数，则A*算法在最坏情况下表 示出很高的复杂性
第二节 启发式搜索 六、完全展开的有序搜索算法 6)若在SS或SB中原有一个状态与当前某个新状态 共一个状态，则删去原有状态 7)若SS的第一项是一个新状态，则转11) 8)若某种状态极限已达到，则搜索失败，算法运 行结束，无解
人工智能导论-第二章对抗搜索
上限置信区间算法在MCTS中应用
上限置信区间（UCB）算法
UCB算法是一种多臂赌博机问题的解决方法，用于在探索和利用之间找到平衡。 在MCTS中，UCB算法被用于指导节点的选择过程。
应用方式
在MCTS的选择阶段，使用UCB算法计算每个子节点的得分，并选择得分最高 的子节点进行扩展和模拟。通过不断调整UCB公式中的参数，可以控制探索和 利用的权衡程度。
优化策略
为了进一步提高Alpha-Beta剪枝算法的效率，可以采用 一些优化策略，如启发式排序、迭代深化搜索等。其中 ，启发式排序是一种基于评估函数的节点排序方法，将 更有可能导致最优解的节点排在前面，从而提前找到最 优解并终止搜索；迭代深化搜索则是一种逐步增加搜索 深度的搜索方法，可以在有限的搜索深度内找到较好的 解。
常见剪枝技术
常见的剪枝技术包括深度优先剪枝、广度优先剪枝、启发式剪枝等。其中，启发 式剪枝是一种基于评估函数的剪枝方法，通过计算每个节点的评估值，提前排除 一些评估值较差的节点，从而减少搜索空间。
Alpha-Beta剪枝算法优化策略
Alpha-Beta剪枝原理
Alpha-Beta剪枝算法是一种基于极大极小值搜索的优化算 法，通过引入两个参数alpha和beta来限制搜索范围，从 而减少搜索空间。在搜索过程中ቤተ መጻሕፍቲ ባይዱ如果发现当前节点的值 已经小于或等于alpha（对于极大值节点）或大于或等于 beta（对于极小值节点），则可以提前终止对该节点的搜 索。
非零和博弈是指博弈中各方的收益和损失总和不为零的情况 。这种博弈更为普遍，因为现实生活中的许多情况都是非零 和的。非零和博弈算法需要考虑到博弈各方的可能合作，以 及利益分配的问题。
完全信息与非完全信息博弈算法
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。
人工智能完整2ppt课件
COMPUTER(zhxh), ~LIKE(zhxh, programming),
HIGHER(lxp, father(lxp))
精选ppt课件
19
第2章 知识表示方法
谓词公式表示知识的举例(2)
(3)根据语义，用逻辑连接词将它们连接起来，得到 COMPUTER(zhxh)∧~LIKE(zhxh, programming),
才有意义。对数据中信息的理解是主观的、因人而异 的，是以增加知识为目的的。如0351-7011320 • 不同格式的数据蕴含的信息多少也不一样，比如图像 数据蕴含的信息量就大，而文本数据蕴含的信息量小 • 将有关信息关联在一起形成的信息结构称为知识
精选ppt课件
5
第2章 知识表示方法
知识、信息和数据(2)
高级人工智能
第2章 知识表示方法
第2章 知识表示方法
AI的3个主要问题
• 知识是人类智慧的基础。人类在从事社会活动、生产 活动和科学实验等社会实践活动中，其智能活动的主 要过程是获取知识并运用知识的过程。
• 人工智能是一门研究用计算机模仿和执行人脑的某些 智力功能的交叉学科，所以人工智能问题的求解也是 以知识为基础的。
获得的关于牛的模样的知识
精选ppt课件
10
第2章 知识表示方法
知识的表示(1)
• AI研究的目的是研究一个模拟人类智能行为的系统， 因此就必须研究人类智能行为在计算机上的表示形式， 只有这样才能将知识存储到计算机中去，供求解现实 问题使用
• 知识表示：对人类知识的一种描述，以把人类知识表 示成计算机能够处理的数据结构/对知识进行表示的过 程就是对知识进行编码成某种数据结构的过程
第2章 知识表示方法
产生式表示法
HIGHER(lxp, father(lxp))
精选ppt课件
19
第2章 知识表示方法
谓词公式表示知识的举例(2)
(3)根据语义，用逻辑连接词将它们连接起来，得到 COMPUTER(zhxh)∧~LIKE(zhxh, programming),
才有意义。对数据中信息的理解是主观的、因人而异 的，是以增加知识为目的的。如0351-7011320 • 不同格式的数据蕴含的信息多少也不一样，比如图像 数据蕴含的信息量就大，而文本数据蕴含的信息量小 • 将有关信息关联在一起形成的信息结构称为知识
精选ppt课件
5
第2章 知识表示方法
知识、信息和数据(2)
高级人工智能
第2章 知识表示方法
第2章 知识表示方法
AI的3个主要问题
• 知识是人类智慧的基础。人类在从事社会活动、生产 活动和科学实验等社会实践活动中，其智能活动的主 要过程是获取知识并运用知识的过程。
• 人工智能是一门研究用计算机模仿和执行人脑的某些 智力功能的交叉学科，所以人工智能问题的求解也是 以知识为基础的。
获得的关于牛的模样的知识
精选ppt课件
10
第2章 知识表示方法
知识的表示(1)
• AI研究的目的是研究一个模拟人类智能行为的系统， 因此就必须研究人类智能行为在计算机上的表示形式， 只有这样才能将知识存储到计算机中去，供求解现实 问题使用
• 知识表示：对人类知识的一种描述，以把人类知识表 示成计算机能够处理的数据结构/对知识进行表示的过 程就是对知识进行编码成某种数据结构的过程
第2章 知识表示方法
产生式表示法
人工智能入门课件第2章用搜索实现求解问题
（3）选择一种搜索策略
为求解水壶问题，除上面给出的问题描述和算子外， 还应该选择一种策略控制搜索。该问题的策略为 一个简单的循环控制结构：选择其左部匹配当前 状态的某条规则，并按照该规则右部的描述，对 此状态作适当改变，然后检查改变后的状态是否
为某一目 启发式信息的表示
1）启发式搜索的依据
（1）人们善于利用一些线索来帮助自己选择 搜索方向，这些线索统称为启发式 (Heuristics)信息。
（2）现实问题往往只需一个解，而不要求最 优解或全部解。
（3）启发式信息可以避免某些领域里的组合 爆炸问题。
1. 启发式信息的表示
2）启发式信息表示
启发信息按其形式可分为下列2种：
宽度优先搜索算法如下:
1. 令N为一个由初始状态构成的表； 2. 若N为空退出，标志失败； 3. 令n为N中第一个点，将n从N中删除； 4. 若n是目标，则退出，标态成功； 5. 若n不是目标，将n的后继点加入到N表 的尾部，转2。
宽度优先搜索的优点是：若问题有解， 则可找出最优解;
宽度优先搜索的缺点是:效率低，组 合爆炸问题难以解决。
状态转移算子
使问题从一种状态变化为另一种状态的手段称为操作 符或转移算子（operator）。 操作符可以是一个动作（如下棋走步）、过程、规则、 数学算子、运算符号或逻辑运算符等。
2.2.2 扩展规则
状态扩展策略
宏观地看，以怎样的次序对问题对应的搜索图进行 搜索，是搜索的技巧，也是智能的体现。没有目的 随机的选一个扩展的话很容易实现，但一般很难得 到一个解或不能保证解的质量，即得不到一个满意 解。而好的策略可以比一般的方法搜索更少的节点 ，更快地找到解。也就是说，根据问题的不同设计 更合理的扩展策略可以提高搜索的效率。
《人工智能原理》PPT课件
从本质上讲，人工智能是研究如何制造出人 造的智能机器或智能系统，来模拟人类智能活动 的能力，以延伸人们智能的科学。
第2章 知识表达
重点内容： 一、一阶谓词逻辑表达知识 二、语义网络表达知识 三、产生式表达知识
一、一阶谓词逻辑表达知识
主要步骤： 1、定义合适的谓词：用事先定义好的字母或词汇表达谓
词，用小写字母或词汇表示客体，或用客体变元表示 客体。例如： 花是红的 ： red(花） 2、选择合适量词： 量词有两个： （1）全称量词：表示“所有的”，“任何的”等。 （2）存在量词：表示“存在一些”等
第4章 状态空间法
---深度优先搜索算法
宽度方向
深
度
方
S11
向
So
S12
S23
S24
Open表的结构为栈
S35
S36
S37
S38
S45
S46
S47
S48
第4章 状态空间法
重点内容： 一、状态空间法求解问题的基本思想 二、问题的形式化 三、几个概念 四、宽度优先搜索算法 五、深度优先搜索算法 六、 A* 算法
化简分为8个步骤
一、子句及其化简
几点注意： 化简后的子句之间是合取关系，即
与的关系，所以只要有一个子句是假的， 则整个子句集就是不可满足的。
空子句是不可满足的，所以一个子 句集中只要含有一个空子句，则子句集 就是不可满足的。
二、归结原理的基本思想及步骤
基本思想： 有一个二元组<A,T>，其中 A: 由一阶谓词逻辑表达的公理系统 T: 一阶谓词逻辑表达的待证明的定理或命题。 要证明T是A的逻辑结论，即 A T 。 采用的思想是： 如果要证明T是A的逻辑结论，则证明T的否定T
第2章 知识表达
重点内容： 一、一阶谓词逻辑表达知识 二、语义网络表达知识 三、产生式表达知识
一、一阶谓词逻辑表达知识
主要步骤： 1、定义合适的谓词：用事先定义好的字母或词汇表达谓
词，用小写字母或词汇表示客体，或用客体变元表示 客体。例如： 花是红的 ： red(花） 2、选择合适量词： 量词有两个： （1）全称量词：表示“所有的”，“任何的”等。 （2）存在量词：表示“存在一些”等
第4章 状态空间法
---深度优先搜索算法
宽度方向
深
度
方
S11
向
So
S12
S23
S24
Open表的结构为栈
S35
S36
S37
S38
S45
S46
S47
S48
第4章 状态空间法
重点内容： 一、状态空间法求解问题的基本思想 二、问题的形式化 三、几个概念 四、宽度优先搜索算法 五、深度优先搜索算法 六、 A* 算法
化简分为8个步骤
一、子句及其化简
几点注意： 化简后的子句之间是合取关系，即
与的关系，所以只要有一个子句是假的， 则整个子句集就是不可满足的。
空子句是不可满足的，所以一个子 句集中只要含有一个空子句，则子句集 就是不可满足的。
二、归结原理的基本思想及步骤
基本思想： 有一个二元组<A,T>，其中 A: 由一阶谓词逻辑表达的公理系统 T: 一阶谓词逻辑表达的待证明的定理或命题。 要证明T是A的逻辑结论，即 A T 。 采用的思想是： 如果要证明T是A的逻辑结论，则证明T的否定T
【最新完整版】最新精品人工智能问题求解基本原理及搜索技术详细讲解分析学习ppt课件【ppt版可编辑】
A(1,2)
B(1,3)
A(2,3)
解2：A、B都搬到2上：
A(1,3)
B(1,2)
A(3,2)
状态空间法有关概念
问题求解过程：隐含求一个普通有向图，节点 - 状态
搜索空间：问题求解过程中到达过的所有状态（节点）的集合。
问题有解：从代表初始状态 s 节点出发， 存在一条通向目标节点的路径。
问题的解（解径）：初始状态到目标状态通路上的每一条规则（或 状态）构成序列，称为解径 。 解不唯一。
S0
R1
S2 R2
Sk ….. Rk
G
状态空间、搜索空间及解 径的关系：
状态空间方法求解问题特点：
（a）用状态空间方法表示问题时，首先必须定义状态的描述形式，通过使用这种描述形式可把问 题的一切状态都表示出来。其次，还要定义一组算符，通过使用算符可把问题由一种状态转变为另 一种状态。 （b）问题的求解过程是一个不断把算符作用于状态的过程。 （c）算符的一次使用，就使问题由一种状态转变为另一种状态。可能有多个算符序列都可使问题 从初始状态变到目标状态，这就得到了多个解。 （d）对任何一个状态，可使用的算符可能不止一个，这样由一个状态所生成的后继状态就可能有 多个。当对这些后继状态使用算符生成更进一步的状态时，首先应对哪一个状态进行操作呢？这取 决于搜索策略，不同搜索策略的操作顺序是不相同的。
2、问题空间法有关概念
2、等价变换：对于一个复杂问题，除了可用“分解”方法进行求解外， 还可利用同构或同态的等价变换，把它变换为若干个较容易求解的 新问题。若新问题中有一个可求解，则就得到了原问题的解。问题
的等价变换过程，也可用一个图表示出来，称为“或”树。
2、问题空间法有关概念
人工智能原理之搜索技术(PPT-77页)全
参见p60图3.11)
29
第2章 搜索技术
2.2.2 深度优先搜索和深度有限搜索
• 深度优先搜索过程：
• 总是扩展搜索树的当前扩展分支(边缘)中最 深的节点
• 搜索直接伸展到搜索树的最深层，直到那里 的节点没有后继节点
• 那些没有后继节点的节点扩展完毕就从边缘 中去掉
• 然后搜索算法回退下一个还有未扩展后继节 点的上层节点继续扩展
• 描述：设每个状态为(a1, a2, a3, …, an), ai=1, 2, 3—表示第i个盘子在第1/2/3根柱 子上
13
第2章 搜索技术
河内塔(2)
• 递归定义：{(a1, a2, a3, …, an)}为n阶河内 塔的状态集合，则{(a1, a2, a3, …, an, 1), (a1, a2, a3, …, an, 2), (a1, a2, a3, …, an, 3)} 是n+1阶河内塔的状态集合
• 约束规则：不使离开既定位置的数字数增加
10
第2章 搜索技术
八数码游戏的搜索树
既定位置=终态
Begin 1 5 2
4
3
678
152 43
678
*1
2
453
678
*1 5 2 43 678
152
473
6
8
*
12 453 678
12 453 678
*
15 432 678
152 438 67
*1 2 3 45 678
8
第2章 搜索技术
2.1.2 问题实例
• 玩具问题
• 八数码游戏(九宫图) • 河内塔 • 八皇后问题 • 真空吸尘器世界
• 现实问题
29
第2章 搜索技术
2.2.2 深度优先搜索和深度有限搜索
• 深度优先搜索过程：
• 总是扩展搜索树的当前扩展分支(边缘)中最 深的节点
• 搜索直接伸展到搜索树的最深层，直到那里 的节点没有后继节点
• 那些没有后继节点的节点扩展完毕就从边缘 中去掉
• 然后搜索算法回退下一个还有未扩展后继节 点的上层节点继续扩展
• 描述：设每个状态为(a1, a2, a3, …, an), ai=1, 2, 3—表示第i个盘子在第1/2/3根柱 子上
13
第2章 搜索技术
河内塔(2)
• 递归定义：{(a1, a2, a3, …, an)}为n阶河内 塔的状态集合，则{(a1, a2, a3, …, an, 1), (a1, a2, a3, …, an, 2), (a1, a2, a3, …, an, 3)} 是n+1阶河内塔的状态集合
• 约束规则：不使离开既定位置的数字数增加
10
第2章 搜索技术
八数码游戏的搜索树
既定位置=终态
Begin 1 5 2
4
3
678
152 43
678
*1
2
453
678
*1 5 2 43 678
152
473
6
8
*
12 453 678
12 453 678
*
15 432 678
152 438 67
*1 2 3 45 678
8
第2章 搜索技术
2.1.2 问题实例
• 玩具问题
• 八数码游戏(九宫图) • 河内塔 • 八皇后问题 • 真空吸尘器世界
• 现实问题
人工智能原理2
30
状态空间搜索
2、启发式搜索 局部择优搜索 全局择优搜索 有序搜索 A*算法
31
状态空间盲目搜索
1、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问题求解。 2、搜索过程： 一般都要用两个表，这就是OPEN表和CLOSED 表。 OPEN表用于待考察的节点。CLOSED表用于存放已 考察的节点。
1、盲目搜索 盲目搜索是按预定的搜索方向进行搜索。 由于盲目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，所以这种搜 索效率不高。 2、启发式搜索 启发式搜索是在搜索中加入了与问题有 关的启发性信息，用以指导搜索朝着最有 希望的推理方向前进，加速问题的求解过 程并找到最优解。
5
问题求解过程的形式表示
问题归约:
含义: 把复杂问题转换为若干需要同时处理的较 为简单的子问题后再加以分别求解的策略,可以 递归地进行,直到把问题转换为本原问题的集合. 方法: 分解,变换
15
与/或树表示法
1、分解 把一个复杂问题分解为若干个较为简单 的子问题，每个子问题又可继续分解为若 干个更为简单的子问题。重复此过程，直 到不需要在分解或者不能再分解为止。然 后对每个子问题分别进行求解，最后把各 子问题的解复合起来就得到原问题的解。
4
283 14 765
5
283 164 7 5
6
7
8
83 214 765
14 8 3 214 765 22 83 214 765 23 813 2 4 765 24 283 7 4 615
283 714 65
15 283 714 6 5 25 283 714 65
- 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)。
第2章 搜索技术
爬山法搜索的局限
• 爬山法是一种局部贪婪搜索，不是最优解 算法(或是不完备的) / 其问题是：
• 局部极大值—比其邻居状态都高的顶峰，但是 小于全局最大值(参照状态空间地形图)
• 山脊—一系列的局部极大值 • 高原—评价函数平坦的一块区域(或者山肩)
11
第2章 搜索技术
爬山法搜索的变形
• 爬山法的变形
• 随机爬山法—随机选择下一步 • 首选爬山法—随机选择直到有优于当前节点的
下一步 • 随机重新开始爬山法—随机生成初始状态，进
行一系列爬山法搜索—这时算法是完备的概率 接近1
12
第2章 搜索技术
2.4.3 模拟退火搜索
• 将爬山法(停留在局部山峰)和随机行走 以某种方式结合，以同时获得完备性和 效率
• 爬山法搜索
• 模拟退火搜索
• 局部剪枝搜索
• 遗传算法
• 从搜索的角度看遗传算法也是搜索假设空间 的一种方法(学习问题归结为搜索问题)—生 成后继假设的方式
9
第2章 搜索技术
2.4.2 爬山法搜索
• 爬山法(hill-climbing)—就是向值增加的方向持 续移动—登高过程 / 如果相邻状态中没有比它 更高的值，则算法结束于顶峰
• 模拟退火的思想
• 想象在不平的表面上如何使一个乒乓球掉到 最深的裂缝中—如果只让其在表面滚动，则 它只会停留在局部极小点 / 如果晃动平面， 可以使乒乓球弹出局部极小点 / 技巧是晃 动足够大使乒乓球弹出局部极小点，但又不 能太大把它从全局极小点中赶出
13
第5章 搜索技术
模拟退火的解决思路(1)
找到全局最优解的概率接近1
15
第2章 搜索技术
2.4.4 局部剪枝搜索
• 基本思想—与只从一个单独的起始状态 出发不同，局部剪枝搜索从k个随机生成 的状态开始，每步生成全部k个状态的所 有后继状态 / 如果其中之一是目标状态， 算法停止；否则从全部后继状态中选择 最佳的k个状态继续搜索
• 在局部剪枝搜索过程中，有用的信息在k 个并行的搜索线程之间传递—算法会很 快放弃没有成果的搜索而把资源放在取 得最大进展的搜索上
• 接受概率=eΔE/T(注意此时ΔE <0)
14
第5章 搜索技术
模拟退火的解决思路(2)
• 温度T是时间的函数，按照模拟退火的思 想，数值应该逐渐减小(降温)
• 因为接受概率=eΔE/T且ΔE <0，所以当温
度高时，接受概率较大(接近1) / 而T越
来越低时，ΔE/T变大，因而接受概率降
低 • 可以证明，如果T下降得足够慢，则算法
价值(适应值) • 随后的操作包括—选择/杂交/变异
18
第2章 搜索技术
遗传算法的操作
• 选择(或者称繁殖)—按照一定概率随机地 选择两对个体进行繁殖(即生成后继状态)
• 杂交(或者称交叉)—杂交点是在表示状态 的字符串中随机选择的一个位置，以此 形成新状态—后代是父串在杂交点上进 行杂交(各取一部分)得来的
(6)如果找到了解或者某种限制已到，则过程结束； 否则转(3)
20
第2章 搜索技术
遗传算法的特点
• 遗传算法也结合了“上山”趋势和随机 搜索，并在并行搜索线程之间交换信息
• 遗传算法的主要优势来自于杂交
• 数学上可以证明，如果基因编码的位置在初 始时就随机转换的话，杂交就没有优势
• 杂交的优势在于它能够将独立发展的若干个 相对固定的字符(能够执行有用的功能— “砖块”)组合起来，提高了搜索的粒度
人工智能原理第2章搜索技术下p pt课件
第2章 搜索技术
本章内容
2.1 搜索与问题求解 2.2 无信息搜索策略 2.3 启发式搜索策略 2.4 局部搜索算法 2.5 约束满足问题 2.6 博弈搜索 参考书目
附录 A*算法可采纳性的证明
第2章 搜索技术
局部搜索算法
• 本节简要介绍以下4种局部搜索算法 / 介绍其算法思想
• 变异—在新生成的串中各个位置都会按 照一个独立的小概率随机变异
19
第2章 搜索技术
遗传算法简要描述
(1)定义问题和目标函数 (2)选择候选解作为初始种群，每个解作为个体用
二进制串表示(个体相当于染色体，其中的元素 相当于基因) (3)根据目标函数，对于每个个体计算适应函数值 (4)为每个个体指定一个与其适应值成正比的被选 择概率(繁殖概率) (5)根据概率选择个体，所选个体通过交叉/变异 等操作产生新一代种群
• 爬山法搜索算法思想：
(1)令初始状态S0为当前状态
(2)若当前状态已经达标，则算法运行结束，搜索成 功
(3)若存在一个动作可以作用于当前状态以产生一个
新状态，使新状态的估计值优于当前状态的估计
值，则放弃当前状态，并令刚产生的新状态为当
前状态，转(2)
(4)取当前状态为相对最优解，停止 搜索技术
随机剪枝搜索
• 如果k个状态缺乏多样性，则局部剪枝搜 索会受其影响，性能变差
• 算法的变种—随机剪枝搜索帮助缓解这 一问题—随机剪枝搜索不是选择最好的k 个后代，而是按照一定概率随机地选择k 个后继状态 / 选择给定后继状态的概率 是状态值的递增函数
• 类似于自然选择过程—状态对应生物体，其 值对应于适应性，后代就是后继状态
• 思路—开始使劲晃动(先高温加热)然后 慢慢降低摇晃的强度(逐渐降温)[退火过 程]
• 算法的核心—移动选择
• 选择随机移动，如果评价值改善，则移动被 接受，否则以某个小于1的概率接受
• 概率按照移动评价值变坏的梯度ΔE而呈指
数级下降 / 同时也会随着作为控制的参 数—“温度”T的降低(数值减小)而降低
17
第2章 搜索技术
2.4.5 遗传算法
• 遗传算法(generic algorithm/GA)是随机剪 枝的变种—不是通过修改单一状态而是 通过把两个父状态结合以生成后继状态
• 与剪枝搜索一样，遗传算法也是从k个随机 状态开始—这k个状态称为种群，每个状态 称为个体
• 个体用有限长的字符串(通常为0/1串)表示 • 每个状态用其评价函数(适应度函数)给出评
• 所谓有用的砖块，就是几个结合起来可以构 造问题的解—参见书中的八皇后问题举例
21
第2章 搜索技术
遗传算法的模式
• 遗传算法上述特点可以用模式(schema)来 解释—模式是某些位置上的数字尚未确 定的一个状态子串