浅谈人工智能中的启发式搜索策略

中图分 类号 ：Ｔ ３ １ Ｐ ９
文 献标识 码 ：Ａ
文章编 号 ：１０－ ５９ （ ００ ０ — ０ ９ ０ ０７ ９９ ２１ ） ６ ０９ — １
Ｄｉｃ ｓ ｉ ｎ ｏ ｕ ｉｔ ｅ ｒ ｈ Ｓ ｒ ｔｇ ｔ ｃａ ｎ ｅｌ ｅ ｃ ｓ ｕ ｓｏ ｎ Ｈｅ ｒｓｉ Ｓ ａ ｃ ｔ ａ ｅ ｙ ｉ Ａｒｉ ｉ ｌ ｔ ｌ ｇ ｎ ｅ ｃ ｎ ｉ ｆ Ｉ ｉ
入 到 Ｇ中 。
６针 对 Ｍ中子节 点 的不 同情 况 ，分别进 行 如下 处理 ：① 对于 ． 成 即节 点 ｎ ） 人 们提 出启 发式搜 索策 略 ，即在搜 索 中加入与 问题 有关 的启发 式 那些 未 曾在 Ｇ中 出现过 的 Ｍ 员设 置一 个指 向父节 点 （ 信 息 ，用 以指 导搜 索朝着 最有 希望 的方 向前进 ，加 速 问题 求解 的 的指 针 ， 并把 他们 放入 ＯＥ ＰＮ表 中； 对于那 些 先前 已在 Ｇ中 出现 ② 效率并 找到最 优解 。 过 的 Ｍ成 员 ，确 定是 否 需要修 改指 向父节 点 的指针 ：③对 于那 些 启 发式搜 索策 略的发 展历 史 先前 已在 Ｇ中 出现 并 且 已经 扩展 了 Ｍ的 成员 ，确定 是否 需要修 改 ４ 年 代 ：由于实 际需要 ，提 出了启发式 算法 ，具有 快速有 效 其后 继 节点指 向父 节点 的指针 。 ０ 的特 点 。５ 年代 ：启发 式搜索逐 步 繁荣 ，其 中贪婪 算法 和局 部搜 Ｏ ７按 某种搜 索 策略对 ＯＥ ． ＰＮ表 中的节 点进行 排序 。 ８ 转 向 ２步 。 ． 索 得到 人们 的关注 。 由以上介 绍可 知 ，问题 的求 解过程 实 际上就 是搜 索过 程 ，问 ６ 年 代 ：反 思阶段 ，人 们发 现 以前 提 出的启 发式算 法速度 很 Ｏ 快 ，但 是解 的质量 不稳 定，而 且对 大规模 的 问题 仍然 无能 为力 。 题 的求解 的状 态 空间 图是通 过搜 索逐 步形成 的，边搜 索边 形成 ， ７ 年 代 ：计算 复杂 性理 论的提 出 。人们 发现贪 婪算 法和局 部 而且 搜索 每前进 一 步 ，就要检 查 ～下是 否到 达 了 目标状 态 ，这样 ０ 搜 索算法速 度 快 ，但解 不好 的原 因是得 到的解 没有 全局最 优性 。 就可 尽量 少生 成与 问题 无关 的状 态 ，即节省 了存 储空 间 ，又提 高 Ｈ ｌａ ｄ的遗 传算 法 的出现再 次 引发 了人们研 究启 发式算 法 的兴 了求 解 效率 。 ｏ ｌｎ
Ｈｕ Ｌ ｄ ｎ Ｙｕ ｎＹｕ ， ｎ Ｗ ｅ ｉａ ， ａ ｎ Ｙｉ ｎ
（ ｃｏ ｌｆｎｏｍａｉ ｎ ｌ ｔｃ ｌ ｎ ｉ ｅｉ ， Ｍ ，ｕ ｈ ｕ ２ １ ０ ，ｈｎ ） Ｓ ｈ ｏ ｏ ｆｒ ｔ ｎａ ｄＥｅ ｒ ａ Ｅ ｇｎ ｒ ｇＣＵ ＴＸ ｚ ｏ ２ ８Ｃ ｉ Ｉ ｏ ｃｉ ｅ ｎ ０ ａ
Ａｂ ｔａ ｔＴ ｅｐｏ ｌｍｓ ｏｂ ｏｖ ｄｂ ｒｉｃａ ｔｌｇ ｎ ｅＡＩ ｒ ｓｙｕ ｓ ｕ ｔｒｄｏ ｏ ｒ ｔ ｃｕｅ ． ｄｔｅｈｕｉｔ ｓｒｃ： ｈ ｒｂｅ ｅｓ ｌｅ ｙａｔ ｉｌｎｅｌ ｅｃ （ ） ｅｍｏｔ ｎ ｔ ｃｕｅ ｒ ｏｌ ｓ ｕ ｔｒｄＡｎ ｅ ｒ ｉ ｔ ｉ ｆ ｉ ｉ ａ ｌ ｒ ｐ ｙ ｒ ｈ ｓｃ
摘 要 ：人 工智 能所要 解决 的 问题 大部 分是非 结构化 或 结构不 良的 问题 ，启发 式搜 索可 以极 大提 高效率 。讲述 了搜 索 策 略 中的启发 式搜 索 ，对 它 的原理进 行讲 解 ，前 景进 行 了展 望 。 关键 词 ：人 工智 能 ；启发 式搜 索 ；估 价 函数
３把 ＯＥ ． ＰＮ表 的第一个 节 点取 出放入到 ＣＯ Ｅ Ｌ ＳＤ表 ，并记该 节 点 为节 点 Ｉ Ｉ 。 ４ 考察 节点 ｎ是否 为 目标 节 点。若 是，则 求得 了 问题 的解 ， ．
退 出。
参考 文献 ： 『 Ｇ ｏｇ‘ ． ｇｒ 工 智 能 Ｉ ． 忠植 ， 奎 ． １ ｅｒｅＦ ｕｅ． ］ Ｌ 人 Ｍ】 史 张银 北京 ： 械 工业 出 机
ｓ ａｃ ｒ ｆ ｃｅ ｔ ｈ ｒ ｃｐ ｅｏ ｅｈ ｕ ｉｔ ｅ ｃ ｅ ｎ ｔ ｔ ｄａ ｄｉ ｒ ｃ ｓ ｉｇ ｉ ｓ ｍｍａ ｉｅ ． ｅ ｒ ｈｉ ｍｏ ｅｅ ｉｎ ． ｅ ｉ ｉｌ ｆ ｈ ｅ ｒｓ ｃｓ ａ ｈ ｉ ｄ ｍｏ ｓｒ ｅ ｎ ｓ ｏ ｅ ｓｎ ｓ ｉ Ｔ ｐ ｎ ｔ ｉ ｒ ｓ ａ ｔｐ ｓｕ ｒ ｄ ｚ
Ｋｅ ｗｏｒ ： ｔｆｃａ ｎ ｅｌ ｎｃ ； ｕ ｉｔｃｓａ ｃ Ｖａｕａｉｎ ｆｎｃｉｎ ｙ ｄｓＡｒｉ ｉｌｉｔｌｉ ｉ ｇｅ ｅ Ｈｅ ｒｓｉ ｅ ｈ； ｌ ｔｏ ｕ ｔｏ ｒ
盲 目搜 索 即是按 预定 的控制 策 略进 行搜 索 …，这种搜 索 具有 盲 目性 ，效 率不高 ，不 便于复 杂 问题 的求解 。为解 决此类 问题 ，
计算机 光盘软 件 与应用
２ １ 年 第 ６期 ００
Ｃ ｍ ｕ ｅ ＤＳ ｆｗ ｒ ｎ ｐ ｌｃ ｔ ｏ ｓ ｏ ｐ ｔ ｒＣ ｏ ｔ ａ ｅａ ｄＡｐ ｉａ ｉｎ 工 程 技 术
浅谈人工智能中的启发式搜索策略
胡沥丹，袁 云 ，尹 雯 （ 中国矿业大学信 息与电气工程学院 ，江苏徐 州 ２ １０ ） ２０８
社 ．０ ７ ２０
一
一
、
趣。 ８ 年 代 以后 ，模拟 退火 算法 ，人工神 经 网络 ，禁忌 搜索等 新 Ｏ 式算 法相 继 出现 。 二 、启发式 搜 索策略 的工作 原理
（ ）估 价 函数 二 用 于估价 节点 重要 性的 函数称 为估 价函数 ， 一般 形式为 ： 其 ｆＸ ＝ （ ． （） ｇｘ 为从 初始 节点 ｓ 到 节点 ｘ已经 实 际付 出的 （）ｇｘ ｈＸ ， （） ） ０ 代价 ： （） 从节 点 ｘ到 目标 节点 ｓ ｈ ｘ是 ｇ的最优 路径 的估计 代价 ， 它 盲 目式搜 索求解 的过 程 中，节 点的扩 展次 序是 随意 的 ，且 没 体现 了问题 的启发 性信 息， 形式 要根 据 问题 的特 性确 定 。 其 例如 ， 有利 用 已解决 问题 的特 性， 为此需 要扩展 的节 点数 会非 常大 。启 它可 以是 节 点 Ｘ到节 点 的距 离 ，也可 以是处于 最优路 经上 的概 率 发 式搜 索则 克服 了上述缺 点 ，它利 用搜 索过程 中 的有用信 息优 化 等 ；ｈＸ 称为 启发 函数 。 （） 搜索 。 估价 函数 ｆｘ 表示 从初 始节 点经过 节 点 ｘ到 目标 节点 的最优 （） （ ）一般 搜索 过程 一 路径 的代 价估价 值 ，它 的作用 是估 价 Ｏ Ｅ 表 中各节 点的重 要程 ＰＮ 基本 思想 ：把初 始 结点 作为 当前 状态 ，选 择适 用 的算符 对 度 ，决定 它们在 ＯＥ ＰＮ表 中的次 序 。其 中 ｇｘ指 出 了搜索 的横 向 （） 其进 行操 作 ，生成 一组 子状态 ，然 后检查 目标 状态 是否在 其 中出 趋势 ，它 有利 于搜 索 的完备 性，但 影 响搜索 的效 率 。如 果 我们只 现 。若 出现 ，则搜 索成 功，否 则从 已生成 的状 态 中再选 ～个状 态 关心 到达 目标节 点 的路径 ，并且希 望有 较 高的搜索 效 率，则 ｇｘ （） 作为 当前 状态 。重 复上述 过程 ，直 到 目标 状态 出现 或者 不再有 可 可 以忽 略，但此 时会 影 响搜索 的完 备性 ，因此 ，在 确定 ｆｘ 时， （） 供操 作 的状 态和 算符 时为止 。 要权 衡各种 利弊 得 失，使 ｇＸ 与 ｈＸ 各 占适 当的 比重 。 （） （） 在给 出具体 过程之 前 ，首先介 绍两个 数据 结构— —Ｏ Ｅ 表 和 ＰＮ 三 、小结 ＣＯ Ｅ Ｌ ＳＤ表 。ＯＥ ＰＮ表用 于存放 刚 生成 的节 点 。Ｃ ＯＥ ＬＳ Ｄ表用 于存 放 启发式 搜索 算法 是一种 很 实用 、 很有 效 的算法 ，比如 Ｓ Ａ算法 将要 扩展 或者 已经扩 展 的节 点 。 具有 对初 始点 的不 依赖 性， 可 以任 意选 取初 始解和 随机 序列 ，应 用广 泛 。 Ａ普及 的最 重要 的原 因是 能在复杂 的情 况下 产生 更高质 ｓ 搜索 的一般 过程 如下 ： 量 的解 ，因此 ，它特 别适 用于 非线 性和 复杂 的系统 。在 多 目标 优 １把初 始节 点 ｓ放 入 ＯＥ ． 。 ＰＮ表 ，并建立 目前 只包含 Ｓ的 图， 。 化领 域 ，ｓ Ａ还 处于起 步阶 段 ，在 种群 选择 以及 如何与 Ｐｒ ｔ ａｅ ｏ前 记为 Ｇ 。 沿结 合等方 面 ，还需 要进 一步 地研 究，Ｓ Ａ具有广 阔 的发展前 景 。 ２检 查 ＯＥ ． ＰＮ表是 否为 空 ，若 为空 则 问题 无解 ，退 出 。
版 社 ． ０ ２ ４ ０
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 子节 点作为 节点 ｎ的子 节点加
９ห้องสมุดไป่ตู้一 ９
｛ 田 中． 工智 能中搜 索策略 的探 讨 Ｕ． 建 电脑 ， ０，： — １ ２ 】 人 Ｊ 福 ２ ４ ３ ３ ０ ８０ ｛ 王 万森． ３ ｌ 智能 原理及 其应 用 （ ２版 ）［ ． 京： 第 Ｍ】 北 电子 工业 出版