四：使用带启示信息的搜索

     带信息的搜索是现实环境中常见的情况，它可以使得搜索更有效。带信息的搜索(Informed heuristi search)是指使用特定问题的知识去使得搜索更有效的策略。

 

     其代表的方法是Best-First search, 其实质是tree-search或者graph-search算法，但在选择节点展开时使用估计函数f(n)来选择最小或最大值作展开。估计函数有很多，最重要的一个是称为heuristic function:

 

     h(n) = 从节点n到目标的最短距离

 

     而贪心best first search的估计函数就是f(n) = h(n)。 最著名的要算A*算法，它的估计函数是f(n)=g(n)+h(n)， 其中g(n)是指从开始节点到节点n的真实值。 那么f(n)求得就是通过节点n到达目标的最小估计值。

     h(n)是可接受的是指h(n)永远不会超过从n节点到目标的实际距离。  A*算法使用tree-search时， h(n)为可接受的是可以找到最优解，但使用graph-search时，还需要h(n)满足一致性的。

 

 

     A*算法是全局的，所以当节点比较大时是很耗时。这时可以通过局部搜索算法：它是指只保存当前状态，每一步只移动到其相邻的状态的一类算法。优点是只使用少量的内存，同时对于无穷状态的问题能很快找到合适的答案。

 

     这类算法有：

 

1）hill climbing(爬山）算法

     该算法是根据每次从相邻状态中选出最好的状态，然后变化到该状态，直到找到局部最优解。

 

2）随机爬山算法

 

3）模拟退火算法

 

4）Local beam search

     该算法一次保存k个状态，而不是保存一个，然后在每一步中选择下一次的k个状态

 

5）随机beam search

 

6) 遗传算法: 他是随机beam search的变种， 它的每一个后续状态不是由一个状态产生，而是由两个父母状态产生。