人工智能及其应用3

1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不确定性推理3.9非单调推理3.10小结问题：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？23.1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。3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）goto（U）（U，0，Y，z）–Pushbox（V），•（W，0，W，z）pushbox（V）（V，0，V，z）–Climbbox，•（W，0，W，z）climbbox（W，1，W，z）–Grasp，•（c，1，c，0）grasp（c，1，c，1）3.1图搜索策略4(b，1，b，0)（U，0，b，0）（V，0，V，0）（c，1，c，0）（U，0，V，0）（c，1，c，1）（a，0，b，0）U=b，climbbox猴子和香蕉问题的状态空间图提问：人工搜索求解的解答？目标状态goto（U）goto（U）goto（U）U=b,pushbox（V）pushbox（V）goto（U）V≠c，climbboxV=c，climbbox3.1图搜索策略5猴子和香蕉问题自动演示：•猴子香蕉箱子•猴子香蕉箱子••••••••••Ha!Ha!3.1图搜索策略思考：计算机的搜索策略？6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。用产生式系统的数据库和规则来标记：–初始节点————初始数据库；–目标节点————目标数据库；–状态图的一条路径问题————求得把一个数据库变换为另一数据库的规则序列问题。图搜索过程（GraphSearch）3.1图搜索策略7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)。3.1图搜索策略8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）GOLOOP。3.1图搜索策略9开始把S放入OPEN表OPEN表为空表？把第一个节点(n)从OPEN表移至CLOSED表n为目标节点吗？把n的后继节点放入OPEN表的末端，提供返回节点n的指针修改指针方向重排OPEN表失败成功图3.1图搜索过程框图是是否否3.1图搜索策略(1)(3)(4)(5)(6)(7)(7)(8)(9)OPENCLOSED(1)(2)宽度优先10图搜索的生成结果：–搜索图（G）–搜索树（T）修正算法：–一次只生成一个后继节点；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。3.1图搜索策略113.2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。12SLOMFPQNFFF宽度优先搜索示意图13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。宽度优先搜索算法：3.2盲目搜索14开始把S放入OPEN表OPEN表为空表？把第一个节点(n)从OPEN表移至CLOSED表是否有后继节点为目标节点？扩展n，把n的后继节点放入OPEN表的末端，提供返回节点n的指针失败成功图3.2宽度优先算法框图是否是否3.2盲目搜索思考：与原始算法比较异同，宽度优先的体现？15例子八数码难题（8-puzzleproblem）1238456712384567（目标状态）（初始状态）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）。3.2盲目搜索163.2盲目搜索173.2.2深度优先搜索(Dephth-first)定义：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。3.2盲目搜索18深度优先搜索示意图SLOMFPQNFFF3.2盲目搜索19开始把S放入OPEN表OPEN表为空表？把第一个节点(n)从OPEN表移至CLOSED表是否有后继节点为目标节点？扩展n，把n的后继节点放入OPEN表的前端，提供返回节点n的指针失败成功图3.6深度优先算法框图是否是否3.2盲目搜索节点n的深度等于最大深度？否20示范：有界深度(4)优先的八数码问题深度优先搜索树？3.2盲目搜索1238456712384567（目标状态）（初始状态）213.2盲目搜索223.2.3等代价搜索定义是宽度优先搜索的一种推广，不是沿着等长度路径断层进行扩展，而是沿着等代价路径断层进行扩展。搜索树中每条连接弧线上的有关代价,表示时间、距离等花费。算法在等价搜索算法中，把从节点i到其后续节点j的连接弧线记为c(I,j),把从起始节点S到任一节点I的路径代价记为g(i)。在搜索树上，假设g(i)也是从起始节点S到节点的最少代价路径上的代价。3.2盲目搜索思考：如何动态计算g(i)?23开始把S放入OPEN表OPEN表为空表？把具有最小g(i)值的节点i从OPEN表移至CLOSED表是否有后继节点为目标节点？失败成功图3.8等代价搜索算法框图是否是否令g(s)=0S是否目标节点？是成功否3.2盲目搜索扩展i，计算其后继节点j的g(j)，并把后继节点放入OPEN表243.3启发式搜索启发式信息：用来加速搜索过程的问题领域信息，一般与有关问题具体领域背景有关，不一定具有通用性。启发式搜索：利用启发式信息的搜索方法–特点：重排OPEN表，选择最有希望的节点加以扩展–种类：有序搜索、A*算法等基本步骤：初始化，判断OPEN表是否为空，选择节点n，判断n是否目标节点，扩展节点n，重排OPEN表、调整指针，循环。各自特点：重排OPEN表的依据不同。盲目搜索可能带来组合爆炸。思考：（1）图搜索方法的基本步骤？（2）宽度优先、深度优先、等代价方法的特点？（3）盲目搜索的缺点？253.3.1启发式搜索策略和估价函数有序搜索（OrderedSearch）–总是选择“最有希望”的节点作为下一被扩展节点估价函数（EvaluationFunction）–为获得某些节点“希望”的启发信息，提供一个评定侯选扩展节点的方法，以便确定哪个节点最有可能在通向目标的最佳路径上。f(n)——表示节点n的估价函数值应用节点“希望”程度（估价函数值）重排OPEN表；有序搜索也称为最佳优先搜索；估价函数举例：–（1）棋局的得分；–（2）距离目标状态的距离量度；–（3）TSP问题中的路径；思考：f函数的计算，重排序的方法？3.3启发式搜索263.3.2有序搜索（OrderedSearch；Best－firstSearch）实质：选择OPEN表上具有最小f值的节点作为下一个要扩展的节点。3.3启发式搜索Nilsson（尼尔逊）方法：一个节点的“希望”越大，则其f值越小。被选择的节点是估价函数最小的节点。思考：如果把宽度优先、深度优先、等代价搜索方法作为有序搜索的特例，那么它们的f函数如何计算？举例示范。27开始把S放入OPEN表，计算估价函数f(s)OPEN表为空表？选取OPEN表中f值最小的节点i放入CLOSED表i为目标节点吗？扩展i，得后继节点j，计算f(j)，提供返回节点i的指针，利用f(j)对OPEN表重新排序，调整亲子关系及指针失败成功图3.9有序搜索算法框图是否是否3.3启发式搜索算法28八数码难题（2）如下的八数码难题（8-puzzleproblem）12384567（目标状态）12384567（初始状态）（3）八数码难题的有序搜索树见下图：3.3启发式搜索（1）估价函数设置：f(n)=d(n)+W(n)d(n):节点n的深度；W(n):错放的棋子数293.3启发式搜索30f函数的重要性–有序搜索的有效性直接取决于f,是提高搜索效率的关键；–如果f不准确，可能失去最佳解，也可能失去全部解；f一般选择策略–搜索时间与空间的折衷；–保证有解或有最佳解；f选择的三种典型情况：–（1）最优解答：状态空间中有多条解答路径，求解最优解答，如A*算法；–（2）搜索代价与解答质量的综合：问题类似于（1），但搜索过程可能超出时间与空间的界限。在适当的搜索实验中找到满意解答，并限制满意解答与最优解答的差异程度；如：TSP问题；–（3）最小搜索代价：不考虑解答的最优化（只有一个解答或多个解答间无差异），尽量使搜索代价最小；如：定理证明。思考：（1）f不能识别某些节点的真实“希望”值会怎么样？（2）f过多估计了全部节点又会怎么样？3.3启发式搜索313.3.3A*算法思考：经过节点n的最佳路径，怎么表示？怎么求解最优解答路径。估价函数f*：对节点n定义f*(n)=g*(n)+h*(n),表示从S开始通过节点n的一条最佳路径的代价。其中g*(n)表示从起始节点S到n的最佳路径，h*(n)表示从n到某目标节点的最佳路径。估价函数f：f(n)=g(n)+h(n)；其中g是g*的估计，h是h*的估计；–g的一个选择就是搜索树中从S到n的这段路径的代价；显然有g(n)≥g*(n)；–h的依赖于领域的启发信息，比如八数码问题中的W(n),h称为启发式函数；3.3启发式搜索32A*算法：–定义1在GRAPHSEARCH过程中，如果第8步的重排OPEN表是依据f(x)=g(x)+h(x)进行的，则称该过程为A算法。–定义2在A算法中，如果对所有的x存在h(x)≤h*(x),则称h(x)为h*(x)的下界，它表示某种偏于保守的估计。–定义3采用h*(x)的下界h(x)为启发函数的A算法，称为A*算法。当h=0时，A*算法就变为等代价搜索算法。33开始把S放入OPEN表，记f=hOPEN=NIL?失败BESTNODE是目标节点？成功扩展BESTNODE，产生后续节点SUCCESSOR否否是是A*子过程选取OPEN表上未设置过的具有最小f值的节点BESTNODE,放入CLOSED表中A*算法总框图34SUC属于OPEN？SUC属于CLOSED？S