高级人工智能-搜索.ppt
- 文档编号:130125
- 上传时间:2022-10-04
- 格式:PPT
- 页数:89
- 大小:6.71MB
高级人工智能-搜索.ppt
《高级人工智能-搜索.ppt》由会员分享,可在线阅读,更多相关《高级人工智能-搜索.ppt(89页珍藏版)》请在冰豆网上搜索。
搜索,内容,搜索问题无信息搜索UninformedSearch启发式搜索InformedSearch局部搜索LocalSearch,搜索问题,搜索问题,搜索问题构成:
状态空间Astatespace后继函数Asuccessorfunction(withactions,costs)初始状态和目标测试Astartstateandagoaltest解是一个行动序列,将初始状态转换成目标状态,“N”,1.0,“E”,1.0,搜索问题是对原问题的建模,例子:
罗马尼亚旅行,状态空间:
Cities后继函数:
Roads:
Gotoadjacentcitywithcost=distance初始状态:
Arad目标测试:
Isstate=Bucharest?
解?
状态空间包含什么?
Problem:
PathingStates:
(x,y)locationActions:
NSEWSuccessor:
updatelocationonlyGoaltest:
is(x,y)=END,Problem:
Eat-All-DotsStates:
(x,y),dotbooleansActions:
NSEWSuccessor:
updatelocationandpossiblyadotbooleanGoaltest:
dotsallfalse,状态空间包含了环境中的每一个细节,搜索状态只保留行动需要的细节,状态空间中状态数量?
世界状态:
Agentpositions:
120Foodcount:
30Ghostpositions:
12Agentfacing:
NSEW数量世界状态?
120x(230)x(122)x4路线规划状态?
120“吃光豆子”状态?
120x(230),Quiz:
安全通行,Problem:
eatalldotswhilekeepingtheghostsperma-scaredWhatdoesthestatespacehavetospecify?
(agentposition,dotbooleans,powerpelletbooleans,remainingscaredtime),状态空间图StateSpaceGraphs搜索树SearchTrees,状态空间图,状态空间图:
搜索问题的数学表示Nodesare(abstracted)worldconfigurationsArcsrepresentsuccessors(actionresults)Thegoaltestisasetofgoalnodes(maybeonlyone)状态空间图中,每个状态只出现一次!
几乎不在内存中构建完整的状态空间图(太大了),但它是非常有用的,状态空间图,Tinysearchgraphforatinysearchproblem,状态空间图:
搜索问题的数学表示Nodesare(abstracted)worldconfigurationsArcsrepresentsuccessors(actionresults)Thegoaltestisasetofgoalnodes(maybeonlyone)状态空间图中,每个状态只出现一次!
几乎不在内存中构建完整的状态空间图(太大了),但它是非常有用的,搜索树,搜索树:
根节点对应了初始状态子节点对应了父节点的后继节点显示状态,但对应的是到达这些状态的行动对大多数问题,实际上不会构建整个树,“E”,1.0,“N”,1.0,Thisisnow/start,Possiblefutures,状态空间图vs.搜索树,S,a,b,d,p,a,c,e,p,h,f,r,q,q,c,G,a,q,e,p,h,f,r,q,q,c,G,a,Weconstructbothondemandandweconstructaslittleaspossible.,EachNODEinthesearchtreeisanentirePATHinthestatespacegraph.,SearchTree,StateSpaceGraph,Quiz:
状态空间图vs.搜索树,S,G,b,a,Considerthis4-stategraph:
Important:
Lotsofrepeatedstructureinthesearchtree!
Howbigisitssearchtree(fromS)?
树搜索,例子:
罗马尼亚旅行,基于搜索树的搜索,搜索:
扩展出潜在的行动(treenodes)维护所考虑行动的边缘(fringe)节点试图扩展尽可能少的树节点,一般的树搜索,Importantideas:
FringeExpansionExplorationstrategyMainquestion:
whichfringenodestoexplore?
搜索算法特性,搜索算法特性,完备性:
当问题有解时,保证能找到一个解?
最优性:
保证能找到最优解(最小耗散路径)?
时间复杂度?
空间复杂度?
例子:
b分支因子m最大深度d最浅目标节点的深度整个树的节点数目?
1+b+b2+.bm=O(bm),b,1node,bnodes,b2nodes,bmnodes,mtiers,例子:
树搜索,深度优先搜索(Depth-FirstSearch),深度优先搜索,q,p,h,f,d,b,a,c,e,r,Strategy:
expandadeepestnodefirstImplementation:
FringeisaLIFOstack,深度优先搜索(DFS)特性,DFS扩展哪些节点?
Someleftprefixofthetree.Couldprocessthewholetree!
Ifmisfinite,takestimeO(bm)内存需求?
Onlyhassiblingsonpathtoroot,soO(bm)完备性?
mcouldbeinfinite,soonlyifwepreventcycles(morelater)最优性?
No,itfindsthe“leftmost”solution,regardlessofdepthorcost,广度优先搜索(Breadth-FirstSearch),广度优先搜索,Strategy:
expandashallowestnodefirstImplementation:
FringeisaFIFOqueue,广度优先搜索(BFS)特性,BFS扩展哪些节点?
ProcessesallnodesaboveshallowestsolutionLetdepthofshallowestsolutionbesSearchtakestimeO(bs)内存需求?
Hasroughlythelasttier,soO(bs)完备性?
smustbefiniteifasolutionexists,soyes!
最优性?
Onlyifcostsareall1(moreoncostslater),b,1node,bnodes,b2nodes,bmnodes,stiers,bsnodes,Quiz:
DFSvsBFS,Quiz:
DFSvsBFS,什么情况下BFS优于DFS?
什么情况下DFS优于BFS?
迭代深入搜索(IterativeDeepening),b,Idea:
结合DFS的空间优势与BFS的时间优势RunaDFSwithdepthlimit1.IfnosolutionRunaDFSwithdepthlimit2.IfnosolutionRunaDFSwithdepthlimit3.浪费冗余?
通常绝大多数的节点都在底层,所以上层的节点生成多次影响不是很大。
代价敏感搜索(Cost-SensitiveSearch),BFSfindstheshortestpathintermsofnumberofactions.Itdoesnotfindtheleast-costpath.Wewillnowcoverasimilaralgorithmwhichdoesfindtheleast-costpath.,代价一致搜索(UniformCostSearch),代价一致搜索,Strategy:
expandacheapestnodefirst:
Fringeisapriorityqueue(priority:
cumulativecost),3,9,1,16,4,11,5,7,13,8,10,11,17,11,0,6,3,9,1,1,2,8,8,2,15,1,2,Costcontours,2,代价一致搜索(UCS)特性,UCS扩展哪些节点?
Processesallnodeswithcostlessthancheapestsolution!
IfthatsolutioncostsC*andarcscostatleast,thenthe“effectivedepth”isroughlyC*/TakestimeO(bC*/)(exponentialineffectivedepth)内存需求?
Hasroughlythelasttier,soO(bC*/)完备性?
Assumingbestsolutionhasafinitecostandminimumarccostispositive,yes!
最优性?
Yes!
b,C*/“tiers”,c3,c2,c1,代价一致搜索,UCS探索了递增的轮廓线优点:
完备性、最优性!
缺点:
在每一个“方向”上进行探索没有关于目标信息,Start,Goal,搜索算法,所有的搜索算法都是相同的,除了对边缘的处理策略从概念上说,所有的边缘是优先队列(即附加优先级的节点集合)对于DFS,BFS,可以通过使用栈或队列代替优先队列,从而减少log(n)的开支,搜索算法,38,搜索和模型,搜索是在问题世界的模型上操作实际上并不在真实世界上试验所有的规划规划全部是在“模拟中”你的搜索只能和你的模型一样好,启发式搜索(InformedSearch),搜索的启发策略,启发策略:
估计一个状态到目标距离的函数问题给予算法的额外信息,为特定搜索问题而设计例:
Manhattandistance,Euclideandistanceforpathing,11.2,例子:
启发函数,h(x),贪婪搜索(GreedySearch),例子:
罗马尼亚旅行,h(x),贪婪搜索,扩展离目标最近的节点,贪婪搜索,策略:
扩展你认为最接近目标状态的节点启发式:
对每个状态估计到最近目标的距离只使用启发函数f(n)=h(n)来评价节点通常情况:
最佳优先使你直接(或很快)到达目标最坏情况:
类似DFS,b,b,A*搜索,A*搜索,UCS,Greedy,A*,结合UCS和Greedy,Uniform-costordersbypathcost,orbackwardcostg(n)Greedyordersbygoalproximity,orforwardcosth(n)A*Searchordersbythesum:
f(n)=g(n)+h(n),S,a,d,b,G,h=5,h=6,h=2,1,8,1,1,2,h=6,h=0,c,h=7,3,e,h=1,1,S,a,b,c,e,d,d,G,G,g=0h=6,g
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 高级 人工智能 搜索