人工智能课程笔记（2）通过搜索进行问题求解 - B

3.5 有信息（启发式）的搜索策略

上一篇博文里简单介绍了不同的无信息搜索策略，这一节来接着介绍有信息搜索策略。
首先我们需要有一个概念，什么是有信息的搜索策略？
ANS：使用问题本身的定义之外的特定知识进行搜索的策略。

3.5.1 贪婪最佳优先搜索（greedy best-first search）
该算法试图扩展离目标最近的结点，可以更快求解。它只采用启发式信息来进行类似深度优先搜索的算法搜索，每一次扩展代价最小的结点。
该算法的搜索代价是最小的，但不是最优的，它在每一步都试图找到离目标最近的点，但也容易限制于这个规则而找不到解，从而导致死循环。因此贪婪最佳优先搜索是不完备的。

3.5.2 A*搜索：缩小总评估代价
【！！！重要！！！】
最佳优先搜索最广为人知的形式成为A*搜索，它对结点的评估结合了g(n)和h(n)，其中：
g(n)：从开始结点到结点n花费的路径代价
h(n)：经过结点n的最小代价解的估计代价
于是从该结点到目标结点所花费的代价可以表示为：f(n) = g(n) + h(n)

保证最优性的条件：可采纳性和一致性
保障该算法的最优性需要两个条件：

1. 可采纳启发式
   可采纳启发式指它不会过高估计到达目标的代价，即f(n)永远不会超过经过n的解的实际代价。
2. 一致性
   h(n) <= c(n,a,n’) <= h(n’)
   其中n’为n的任意后继结点，c(n,a,n’)为实际从结点n通过行为a到达结点n’需要的实际代价。
   A算法的最优性：A搜索算法具有如下性质，如果h(n)是可采纳的，那么A*的树搜索版本是最优的；如果h(n)是一致的，那么图搜索的A *算法是最优的。

3.6 启发式函数

八数码问题是最早的启发式搜索问题之一，如下图所示：

对于八数码问题，有两种常用的启发式函数：
h1：不在位的棋子数，例如上图h1 = 8；
h2：所有棋子到其目标位置的距离和（也称为曼哈顿距离），例如上图h2 = 3 + 1 + 2 + 2 + 2 + 3 + 3 + 2 = 18。

从松弛问题出发设计可采纳的启发式
在描述一个问题时，可能会用许多“条件”，而若我们将其中的一个或两个条件去掉，则可以得到一些“子问题”，这些子问题便被称为“松弛问题”。
还是以上面八数码的问题为例，如果对它的行动描述如下：
棋子可以从方格A移动到方格B，如果A与B水平或数值相邻，而且B是空的。
将上述描述拆分成三个松弛问题：

• 棋子可以从方格A移动到方格B，如果A和B相邻；
• 棋子可以从方格A移动到方格B，如果B是空的；
• 棋子可以从方格A移动到方格B。

3.7 本章小结

1. 在Agent可以开始搜索解之前，必须对目标和良定义的问题加以形式化。
2. 一个问题由五个部分组成：初始状态、行动集合、转移模型描述这些行动的结果、目标测试函数和路径代价函数。
3. 搜索算法将状态和行动视为原子：不考虑它们可能包含的内部结构。
4. 一般的TREE-SEARCH算法会考虑所有的可能来寻找解；而GRAPH-SEARCH算法考虑避免冗余路径。
5. 搜索算法可以从完备性、最优性、时间复杂度和空间复杂度等方面来评价。复杂度依赖于状态空间中的分支因子b和最浅的解的深度d。