《人工智能导论》第三章：通过搜索对问题求解(笔记二)

三个感叹！表重点

一. 问题求解Agent

1. 搜索为一种求解问题的一般方法。
2. 搜索问题：已知一个问题的初始状态和目标状态，找到一个操作序列，使得问题的状态能从初始状态转移到目标状态。
3. 最优搜索问题：获得的操作序列不仅是问题的解，而且使得总代价最低。
4. 搜索问题特点：
   （1）初始状态确定
   （2）当前状态是否为目标转态是可检测的
   （3）状态空间离散
   （4）每个状态可以采取的合法行动和相应后继状态是确定的
   （5）环境是静态的
   （6）路径代价函数是已知的
5. 典序搜索问题
   （1）八数码难题
   
   （2）旅行售货员问题
   
6. 搜索问题四个要素：
   （1）初始状态
   （2）后继函数：某个行动输入给定状态，可以输出相应的后继状态
   （3）目标测试：给定状态是否为目标状态
   （4）路径代价函数：状态转移所需的代价
7. 搜索中需要解决的基本问题：
   （1）是否一定能找到一个解。
   （2）找到的解是否是最佳解。
   （3）时间与空间复杂性如何。
   （4）是否终止运行了或是否会陷入一个死循环。
8. 搜索的主要过程：
   （1） 从初始或目的状态出发，并将它作为当前状态。
   （2） 扫描操作的算子集，将适用当前状态的一些操作算子作用于当前状态而得到新的状态，并建立指向其父结点的指针 。
   （3）检查所生成的新状态是否满足结束状态，如果满足，则得到问题的一个解，并可沿着有关指针从结束状态反向到达开始状态，给出解答的路径；否则，将新状态作为当前状态，返回第(2)步再进行搜索。
9. 搜索策略

盲目搜索	启发式搜索
在不具有对特定问题的任何有关信息的条件下，按固定的步骤（依次或随机调用操作算子）进行的搜索。	考虑特定问题领域可应用的知识，动态地确定调用操作算子的步骤，优先选择较适合的操作算子，尽量减少不必要的搜索，以求尽快地到达结束状态。

11. 按搜索方向进行分类：
    (1) 数据驱动：从初始状态出发的正向搜索。
    正向搜索——从问题给出的条件出发。
    (2) 目的驱动：从目的状态出发的逆向搜索。
    逆向搜索：从想达到的目的入手，看哪些操作算子能产生该目的，以及应用这些操作算子产生目的时需要哪些条件。
    (3) 双向搜索：从开始状态出发作正向搜索，同时又从目的状态出发作逆向搜索，直到两条路径在中间的某处汇合为止。

二. 问题实例

1. 实例： Romania
   （1）已知条件：一个agent在罗马尼亚度假，目前位于Arad城市，Agent明天有航班从Bucharest起飞，不能改签退票
   （2）
   
   （3）真空吸尘器
   

三. 树搜索算法

1. 基本思路：从初始状态/已知状态开始，通过行动不断地探索其他状态直到找到目标状态(成功)或者没有行动可执行为止(失败)。
2. 树表示
   （1）根节点：初始状态
   （2）连线：行动
   （3）结点：状态空间中的状态
3. 算法性能评价标准
   （1）完备性：如果问题有解时，这个算法是否能保证找到解？
   （2）最优性：能否找到最优解
   （3）时间复杂度：找到解需要花费多长时间
   （4）空间复杂度：在执行搜索的过程中需要多少内存
4. 时间空间复杂度的度量：
   （1）时间由搜索过程中产生的结点数目来度量
   （2）空间由内存中存储的最多结点数量来度量
   （通常小于状态空间数量|V|+|E|）

四.无信息搜索策略（必考知识）

无信息搜索：除了问题定义中提供的状态信息外没有任何附加信息，算法只能区分状态是不是目标状态，无法比较非目标状态的好坏。

4.1 宽度优先搜索

1. 思想：先扩展根结点，再扩展根结点的所有后继，然后再扩展它们的后继。
2. 实现：FIFO队列
   
3. 缺点：内存需求大，时间复杂度高

4.2 一致代价搜索 ！！！

1. 定义：扩展未扩展结点中代价最小的
2. 实现：队列按照代价从小到大排列
   

4.3 深度优先搜索

1. 思想：首先扩展最深的为扩展结点
2. 实现：用LIFO队列(栈)来存储结点
   

4.4 深度受限搜索！！！

2. 对于深度为d+1，分支数为b的情况，深度受限的搜索算法产生的结点数为：
   N(DLS)= b0 + b1+…+ bd

4.5 迭代加深的深度优先搜索！！！

1.结合了宽度优先和深度优先的优点


2. 对于深度为d+1，分支数为b的情况，迭代加深的深度优先算法产生的结点数为：
N(IDS)=(d+1)+(d)b+(d-1)*b2+….+(1)bd

五. 有信息(启发式)的搜索策略

1. 无信息搜索的缺点：
   （1）广度优先搜索在进一步深入搜索之前先检查了靠近跟的节点，存储空间需求过高，很容易就被中等大小的分支因子给压垮了，例如分支因子=4（一个节点有四个孩子），则k层总共（4^k-1）/3个节点。
   （2）深度优先搜索
   
   （3）在求解"组合爆炸"的问题时，搜索空间增长太快(如从9！变成16！,！为阶乘)，以至于盲目搜索方法无法成功。
2. 启发法：一种解决问题的方法，这种方法通过尝试来证明结果，是**“凭经验"或"试错法”**的学习方式。
   （1）是一个提高复杂问题解决效率的实用策略，它引导程序沿着一条最可能的路径到达解，忽略最没有希望的路径，能避免去检查死角。
   （2）只使用已收集的数据。
   （3）可以减少结点数目，适合组合复杂度快速增长的问题
   （4）好的启发式方法不能保证获得解，但是它们经常有助于引导人们达到解的路径。

5.1 最佳优先搜索!!!

1. 基本思路：通过对每一个结点计算评价函数f(n)值,找到一个f(n)最低的未扩散的结点
2. 实现：在队列中，结点按照评价函数值从低到高排序。（大多数评价函数由启发函数h构成，h(n):结点n到目标结点的最小代价估计值）
3. 最佳优先搜索实现需要open表和closed表，open表中节点按照节点接近目标状态的启发式估计值进行顺序排列，过程中不保留重复状态。
4. 伪代码

//最佳优先搜索
BestFirstSearch(Root_Node,goal)
{
  建open表，将根节点插入open表;
  while(open表不为空)
  {
     从open表中取出最前节点放在节点G中(同时加入closed表);
     if(G是目标节点)  return 从根节点到G节点一条路径;
     while(G是子节点)
     {
        if(子节点不在open表中) 将子节点插入open表;
        else 将具有最小估计值的子节点放入open表，删除其他节点;
      }
      将open表中节点按值排序; //最小值节点在最前
   }
   return 失败;
 }

5. 分类：

贪婪最佳优先搜索	罗马尼亚问题
首先扩展与目标结点估测距离最近的结点	使用两点之间的直线距离来估测两点之间的实际距离

6. 罗马尼亚问题
   
   
7. 例子:
   
   

5.2 一致代价搜索-分支定界法

1. 是不采用剩余距离的启发式搜索，只计算已经走过的部分，h(n)处处为0。
2. 按照递增的代价制定搜索路径，搜索的估计成本为：f(n)=g(n)
3. 结束条件：其它路径（未到达目标节点）的代价
   大于or等于当前最优的路径代价。
4. 伪代码

//分支定界搜索
Branch_Bound(Root_Node,goal)
{
  创建open表;
  将根节点插入open表;
  while(open表不为空)
  {
    取出open表中第一个元素放入结点G;
    if(G是目标结点)  return 到G的路径
    else 将G结点子节点插入open表;
    按照从根节点到当前节点的路径长度对open表排序;
   }
   return 失败;
}

5. 例子：
   
   
   
6. 一致代价搜索和最佳优先搜索都是通过启发函数排最优值，它们的区别如下

最佳优先搜索	一致代价搜索
优先值为结点到终点的估计值	优先值为结点到起点的真实值
估价函数为h(n)	估价函数为g(n)

5.3 A搜索

1. 是最佳搜索和一致优先的混合搜索算法，既考虑与源点的真实距离又兼顾与目标点距离的预估值。
2. 评价函数
   f(n) = g(n) + h(n)
   g(n)=到达结点n已经花费的代价
   h(n)=结点n到目标节点的评估代价
   f(n)=通过结点n到达目标结点的总评估代价
3. 伪代码

B_B_Estimata(Root_Node,goal)
{
  创建open表;
  将根节点插入open表;
  while(open表不为空)
  {
    取出open表中第一个元素放入结点G;
    if(G是目标结点)  return 到G的路径
    else 将每个子节点的估计距离加到当前距离;
         将节点G的子节点插入open表
         按照路径长度对open表排序;
   }
   return 失败;
}

4. 例子
   
   
   
   
   
5. 最佳优先搜索、一致搜索及A算法均****没有对估价函数f(n)做任何限制**

5.4 A*搜索

1.A*算法是最优A搜索算法，其是对估价函数加上一些限制后得到的一种启发式搜索算法。


2. 伪代码

A* Search(Root_Node,goal)
{
  创建open表;
  将根节点插入open表;
  while(open表不为空)
  {
    取出open表中第一个元素放入结点G,并标记G已被访问;
    if(G是目标结点)  return 到G的路径
    else 将每个子节点的估计距离加到当前距离;
    将节点G的子节点中之前未访问过的节点插入open表
    按照路径长度对open表排序;
   }
   return 失败;
}