人工智能基础1

问题求解

能用搜索技术解决的问题--搜索问题

搜索问题：已知问题的初始状态 和 目标状态 ，求  一个操作序列 使得问题从初始状态转移到目标状态。

最优搜索问题： 找到合适的操作序列并且代价最低

搜索问题的四个要素：初始状态 后继函数（某种操作） 目标测试（看看给定的状态是不是目标状态） 路径代价函数

问题表示

表示搜索问题的两种方法：1.状态空间表示法  2. 与/或书表示法

状态空间表示法

状态和算符 状态：问题求解过程中的不同的状态 S 

                  算符：一种状态变成另外一种状态的操作 F

状态空间： 状态 S+算符F+目标状态G

解的搜索

下一步可以选择的有很多 如何选择便使用搜索策略

生成与测试范式 ：提出可能的解，检查可能的解是否是真正的解

生成与测试范式的方法：1.穷举法  2. 回溯法  3.贪心算法

穷举法：无法避免一些明显不能成功的方案

回溯法： 对穷举法的改进，不再探测不可能的路径 

            比如四皇后问题中 放置第三个皇后时候无法找到合适的位置 此时应该回到第二个皇后的位置，从新放置

盲目搜索 （找到的解不一定是最优解）深度优先搜索（DFS） 广度优先搜索（BFS）迭代加深（DFS-ID）

      广度优先搜索（BFS）：

深度优先搜索与广度优先搜索的区别：

深度优先搜索的子节点放入open的首部

 

广度优先搜索的放入尾部

 

启发式搜索：从经验出发 省略不重要的路径

                     估价函数：提供启发信息

爬山法（典型的知情搜索算法）：形式最简单的贪婪算法 

假设到A的距离是19 到B的距离是26 爬山法会选择A点 但是并没有考虑A能否到达山顶

最陡爬山法： 会选择比较好的一个  而不是最短的

爬山法的问题：山脊问题 高原问题 山麓问题

山麓问题：可能会困在局部的最大值中 ，目标状态不能从当前的位置到达

高原问题：局部最优 偏离目标

山脊问题 ：偏离目标？