【人工智能】2.博弈问题、博弈搜索策略

一、问题描述方法：问题归约

1.问题归约描述

问题归约法与之前提到的状态空间法都是对进行问题描述，转换为符合或者图，但是思路不同。有许多问题可以通过一系列变换而最终变为一个子问题集合；这些子问题的解可以直接得到，通过解决这些子问题，从而就解决了初始问题。这样一种解决问题的思路就称为是问题归约法。
例如之前的汉诺塔问题，在状态空间描述中，表示的是ABC三个金片的状态 S=(i,j,k)（即位于什么位置），而在问题归约描述中，描述问题的思路是将这个复制问题拆分成几个子问题，子问题完成了，那么总的问题也就完成了。

问题P：将ABC移动到3号钢针。
问题P1：把金片A及B移到2号钢针上的双金片移动问题。
问题P2：把金片C移到3号钢针上的单金片移动问题。
问题P3：把金片A及B移到3号钢针上的双金片移动问题。
与状态空间描述类似，问题归约由初始问题、问题变换操作符、本原问题组成。

2.与或图表示

1）与图：其实上面汉诺塔问题的分解就是与图。把一个问题分解成若干个问题，就可以用与图表示，只有子问题全部得到解决，原问题才能解决。P是一个与节点。

2）或图：把一个问题变换为若干个子问题，可以表示成或图。只要有一个可以解决，原问题P就可以解决，P是一个或节点。

3）与或图：原问题需要通过分解和变换操作，得到本原问题，这样的归约过程可用一个与或图表示。
4）端节点：没有子节点的节点。
终叶（止）节点：本原问题所对应的节点。
可解节点：终止节点；至少有一个可解子节点的或节点；子节点全部可解的与节点。不可解节点反之。
解图（解树）：由可解节点构成的，并且由这些可解节点可以推出初始节点为可解节点的子图为解图。

3.问题求解的比较

*在特殊情况下，只有或节点的与或图即变成普通图的状态空间搜索。

二、与或树的搜索

与状态空间搜索过程不同，因为与或树搜索出来的是一个解树，所以要不停的进行可解标示过程和不可解标示过程，自下而上进行标识：
（1）把原始问题作为初始节点S0，并把它作为当前节点；
（2）应用分解或等价变换操作对当前节点进行扩展；
（3）为每个子节点设置指向父节点的指针；
（4）选择合适的子节点作为当前节点，反复执行第（2）步和第（3）步，在此期间需要多次调用可解标记过程或不可解标记过程，直到初始节点被标记为可解节点或不可解节点为止。

1.盲目搜索

广度深度搜索，区别仅是扩展子节点在OPEN表中的顺序。搜索过程如下：
（1）把初始节点S0 放人Open表中；
（2）把Open表的第一个节点取出放入Closed表，并记该节点为n；
（3）如果节点n可扩展，则做下列工作：
① 扩展节点n，将其子节点放入Open表的尾部，并为每一个子节点设置指向父节点的指针；
② 考察这些子节点中是否有终止节点。若有，则标记这些终止节点为可解节点，并用可解标记过程对其父节点及先辈节点中的可解节点进行标记。如果初始解节点S0能够被标记为可解节点，就得到了解树，搜索成功，退出搜索过程；如果不能确定S0为可解节点，则从Open表中删去具有可解先辈的节点；
③ 转第（2）步。
（4）如果节点n不可扩展，则做下列工作：
① 标记节点n为不可解节点；
② 应用不可解标记过程对节点n的