人工智能原理课程复习——（2）搜索形式化与搜索求解

搜索形式化与搜索求解

搜索问题的形式化

搜索问题的形式化

我们考虑下述搜索问题的形式化

我们的目标是：从Arad出发前往Bucuresti

则我们可以将该问题理解为：从Arad出发该怎么走，才能走到目的地，即转换为路径搜索问题

将上述问题进行形式化，可得：

我们可以将搜索形式化为以下几个要素：

• 初始状态Initial state
• 行动Actions(s)
• 转移模型Result(s,a)
• 目标测试Goal-Test(s)
• 动作代价Action-Cost(s,a)

该搜索问题的解，即为从初始状态到目标状态的动作序列

示例

搜索求解

树搜索

我们可以将上述搜索问题，转化为树搜索的问题

我们可以将上述树搜索用下列函数来表示。先将初始结点加入frontier中，随后从frontier中选择一个叶节点，判断该节点是否为目标节点，若不是，则将该节点相连的结点加入到frontier中。

我们称frontier为未被扩展的结点集合

图搜索

图搜索与树搜索的基本想法是一样的，但图搜索可以去除重复的状态

新增了一个explored集合，表示已被探索的结点集合

当在遍历结点时，若该节点不为目标状态，则将该节点加入explore集合中，并将其相邻的结点加入到frontier中，但需要注意，在加入新节点到frontier中，要做重复性检查，即判断该相邻的结点是否已经在frontier中或者explored中

上图中绿色字体表示的是重复节点，即直接删除

总结

搜索：不断地扩展frontier内的结点，直到代表目标状态的结点出现

树搜索：反复从frontier移出结点进行扩展，每个子结点都加入搜索树中（成为frontier结点）

图搜索：反复从frontier移除结点进行扩展，将状态不重复的子节点加入搜索树（成为frontier结点）。用explored集合保存已被扩展过的结点

树结点的结构

结点与状态是不一样的，一个结点包含了多个信息，可用于后续的搜索算法中

搜索算法的评估

完备性：若一个搜索算法能够找到解，那么称搜索算法是完备的

最优性：若一个搜索算法总能找路径代价最小的解，那么称该搜索算法是最优的

复杂性：其衡量了一个算法的时间开销以及内存开销