4.1 局部搜索算法和最优化问题
1）局部搜索算法：
a）从单个当前结点（而不是多条路径）出发，通常只移动到它的邻近状态，一般情况下不保存搜索路径；
b）优点：它们只用很少的内存（通常为常数）；它们经常能在系统算法不是用的很大或无限的（连续的）状态空间中找到合理的解；
2）爬山法：
a）概念：简单的循环过程，不断向值增加的方向持续移动（登高），到达一个“峰顶”（局部极大值）时终止；
b）变形：随机爬山法（随机选择上山移动的下一步，收敛慢一点但在某些状态空间的地形图能找到更好的解）；首选爬山法（随机生成后继结点知道生成一个优于当前结点的后继，在后继结点很多的时候适用）；随机重启爬山法（如果一开始没成功就重新开始搜索，通过随机生成初始状态引导爬山法搜索，直到找到目标）。
3）模拟退火算法：
a）概念：把爬山法和随机行走以某种方式结合，同时得到效率和完备性的想法是合理
本文深入探讨了人工智能中的局部搜索算法，包括爬山法及其变形如随机爬山法和首选爬山法，以及模拟退火算法。此外，还介绍了局部束搜索和遗传算法的概念。在面对不确定性和部分可观察信息时，文章提到了与或搜索树和信念状态的搜索策略，阐述了如何处理这些复杂情况。
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
