人工智能（2）知情搜索

1.启发法
例如二维勾股定理推广到三维

2.爬山法
一种贪心算法
山麓问题：可能困在局部最大值中，即能够看到山顶，实际却不可达
高原问题：有相似的良好的局部最大值，但必须移动到另一个高原
山脊问题：访问百货公司，但在错误的楼层中
解决方法：回溯到上一个节点，尝试不同的方向

3.最陡爬坡法
有点像梯度下降

4.最佳优先搜索算法
维持开放列表和封闭列表
封闭节点不在探索，形成解的基础
开放节点是搜索边缘的节点，以后可能进一步探索
解不一定是最佳

5.集束搜索
搜索通过搜索树逐层扩展，但只有最好的W节点得到了扩展，W称为集束

最优解：
6.分支定界法（统一代价搜索）
通常，把全部可行解空间反复地分割为越来越小的子集，称为分支；并且对每个子集内的解集计算一个目标下界（对于最小值问题），这称为定界。在每次分枝后，凡是界限超出已知可行解集目标值的那些子集不再进一步分枝，这样，许多子集可不予考虑，这称剪枝。这就是分枝定界法的主要思路。

解决包括TSP，01背包问题

7.低估值的分支定界法
低估剩余距离的值来增强分支定界法

8.采用动态规划的分支定界法
即剪枝

9.A*搜索算法
综合7和8

高级搜索算法：
10.约束满足搜索
在解决问题前简化问题

11.与或树
处理的问题包含博弈或拼图

12.双向搜索
有可能产生“前沿问题”，即前后两端搜索试图相遇会产生指数级存储需求