启发式搜索中启发函数的可容许性与一致性启发式的理解

启发式搜索中启发函数的可容许性与一致性启发式的理解

前言

启发式搜索(Heuristically Search)又称为有信息搜索(Informed Search)，它是利用问题拥有的启发信息来引导搜索，达到减少搜索范围、降低问题复杂度的目的，这种利用启发信息的搜索过程称为启发式搜索。

启发式搜索的评价函数一般为：
$$f(n)=g(n)+h(n)$$
其中$g(n)$为初始状态到达n状态的已发生的路径代价，$h(n)$​为启发函数，估计了从n状态到goal状态的代价，启发式搜索算法永远搜索待扩展状态点中$f(n)$​最小的节点。

**注：**读者要区分状态点和节点的区别，状态点包含了达到这一点路径上的所有节点信息，后者只是单纯的节点意义。

启发式算法的关键点在于如何构造启发函数，这是一个难点。为了让算法的性能优越，往往我们需要考虑让启发式函数符合两个特性——可容许性（admissible）和一致性（consistency），本文介绍一些关于该二者的个人理解。

一、可容许性启发式

可容许性定义：

一个可容许的启发函数h(n)要求$，h(n)<=n到goal的实际最小代价$​，即永远不高估到目标的代价。因此f(n)实际上是，以初始状态到n的这条路径为前半段，再从n到目标状态的代价的下界。

可容许性特点：

可容许性启发式的搜索算法一定能找到最优解，因为其永远搜索那些待扩展点中$f(n)$​最小的节点这一特性，对任意一个在某条最优路径上的状态，（由启发式定义可知）满足$f(n)=g(n)+h(n)<=C^{\ast }（C\ast 为最优路径代价）$，而非最优路径上，一定存在一状态点使得$g(n)+h(n)>C^{\ast }$（注1）。

从直观上来看：这些$f(n)>C^{\ast }$的状态点将永远不会被搜索，因为只要有一个最优路径上的状态点被搜索过了（初始点必定是最优路径上的状态点），因为每次只搜索f(n)最小的点，而最优路径上的点的扩展（后继）点中一定还有最优路径上的点$f(n)<=C^{}$