- 1、本文档共49页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
第3章 搜索策略;3.4 启发式搜索 ;启发式搜索通常用于两种不同类型的问题:
正向推理
反向推理
正向推理一般用于状态空间的搜索。在正向推理中,推理是从预选定义的初始状态出发向目标状态方向执行。
反向推理一般用于问题规约中。在反向推理中,推理是从给定的目标状态向初始状态执行。;在前一类使用启发式函数的搜索算法中,包括通常所谓的OR图算法或者最好优先算法,以及根据启发式函数的不同而得到的其他的一些算法,如A*算法等等。
另一方面,启发式反向推理算法通常称为AND-OR图搜索算法,AO*算法就是其中一种算法。 ;3.4.1 启发性信息和评估函数 ; 其中:g(x)——从初始节点S0到节点x的实际代价;
h(x)——从x到目标节点Sg的最优路径的评估代价,它体现了问题的启发式信息,其形式要根据问题的特性确定,h(x)称为启发式函数。 ;启发式方法把问题状态的描述转换成了对问题解决程度的描述。
这一程度用评估函数的值来表示。 ;评估函数;A算法的设计与一般图搜索相同,划分为二个阶段:
1、初始化
建立只包含初始状态节点s的搜索图G:={s}
OPEN:={s}
CLOSE:={}
2、搜索循环
MOVE-FIRST(OPEN)-取出OPEN表首的节点n
扩展出n的子节点,插入搜索图G和OPEN表
适当的标记和修改指针(子节点?父节点)
排序OPEN表(评价函数f(n)的值排序)
通过循环地执行该算法,搜索图会因不断有新节点加入而逐步长大,直到搜索到目标节点。;扩展出n的子节点ni,插入搜索图G和OPEN表
对每个子节点ni,计算f(n,ni)=g(n,ni)+h(ni)
适当的标记和修改指针(子节点?父节点)
(i)全新节点:f(ni)=f(n,ni)
(ii)已出现在OPEN表中的节点
(iii)已出现的CLOSE表中的节点
IF f(ni)f(n,ni) THEN
令f(ni)=f(n,ni)
修改指针指向新父结点n
排序OPEN表(f(n)值从小到大排序);2.若OPEN表是空表,则失败退出;;6.对那些未曾在G中出现过的M成员(全新结点)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表上的每一个M成员,比较子节点ni经由新、老父节点的评价函数值f(n,ni)、f(ni);若f(n,ni) f(ni)点,则令f(ni) = f(n,ni),并移动子节点指向老父节点的指针,改为指向新父节点。
对已在CLOSE表上的每个M成员,作与第2类同样的处理,并把这些子结点从CLOSE表移出,重新加入OPEN表。;1)设计评价函数f(n)=g(n)+h(n)
令f(n)=d(n)+w(n), 其中:
d(n)-节点n在搜索图中的节点深度,对g(n)的度量;
w(n)-代表启发式函数h(n),其值是节点n与目标状态节点ng相比较,不考虑空格,错位的棋牌个数;;1)设计评价函数f(n)
f(n)计算实例; 节点深度
根节点指示初始状态,令其深度为0;
搜索图中的其他节点的深度dn就可以递归地定义为其父节点深度dn-1加1:dn= dn-1+1。 ;1)设计评价函数f(n)
f(n)计算实例;初始化;循环1;循环2;循环3;循环4;CLOSE:={s4,b4,d5,e5,l5} ;循环6;循环7;最理想搜索图G;;3.4.3实现启发式搜索的关键因素和A*算法;1)可采纳性定义
在存在从初始状态节点到目标状态节点解答路径的情况下,若一个搜索算法总能找到最短(代价最小)的解答路径,则称该状态空间中的搜索算法具有可采纳性,也叫最优性。
如宽度优先的搜索算法是可采纳的,只是搜索效率高。
2) A算法的可采纳性——定义f*(n)=g*(n)+h*(n)
n-搜索图G中最短解答路径的节点;
f*(n)- s经节点n到ng的最短解答路径的路径代价;
g*(n)-该路径前段(从s到n)的路径代价;
h*(n)-该路径后段(从n到ng)的路径代价。;3) 评价函数f与f*的比较
f(n)、g(n)、h(n)分别是f*(n)、
g*(n)、h*(n)的近似值(估计值)
理想情况下:
若g(n)=g*(n)、h(n)=h*(n),
则搜索过程中,每次都正确选择,
不扩展任何无关的节点。
实际情况:设计接近f*的f是很困难的
在算法执行过程中,g(n)容易从已经生
成的搜索图中计算出来,比如就以节点
深度d(n)当做g(n),且有g(n)=g*(n)
h(n)尽可能靠近h*(n) ——A算法的关键。;4)改进启发式函数——八数码游戏
f(n)=d(n)+w(n),其中
w(n)-表示错位的棋牌个数,不够贴切,错误的扩展了节点d;
p(n)-节点n与目标状态节点比较
文档评论(0)