搜索算法实例应用

概述

搜索算法实际上是根据初始条件和扩展规则构造一棵“解答树”并寻找符合目标状态的节点的过程。
一个具体的问题抽象成一个图论的模型——树，即搜索算法的使用第一步在于搜索树的建立。
初始状态对应着根节点，目标状态对应着目标结点。完成搜索的过程就是找到一条从根结点到目标结点的路径，找出一个最优的解。

优化策略

(1)减少节点数，思想：尽可能减少生成的节点数
(2)定制回溯边界，思想：定制回溯边界条件，剪掉不可能得到最优解的子树

主要有盲目搜索，启发式搜索，博弈搜索

案例场景

在农夫过河问题中找到最优过河策略

解决：广度搜索，通过形式化状态空间，采用元组形式表达空间状态形式，通过施加限制条件，遍历所有可行方案，从中找出最优解决方案。
优化：可以采用双向广度搜索，由目标状态出发，逆向搜索。

在棋类游戏中，如何选择最优的下棋策略

解决：博弈搜索，深度，广度搜索。棋类对战游戏往往是博弈搜索。其中又以零和博弈为主。通过迭代搜索构建搜索树，得到结果。
优化：状态空间多，搜索树庞大，通过剪枝算法减去不必要的扩展节点，从而减少迭代深度和计算广度，同时，采用更好的评价函数，可以减少计算。

罗马尼亚度假问题

解决：深度，广度搜索，启发式搜索。每一个城市节点作为搜索树的一个状态节点，可以遍历整个搜索树得到结果，但时间空间复杂度太高。
优化：可以采用启发式搜索，用欧氏距离衡量状态节点的好坏，从而使每一步尽可能的得到最优的状态节点，以最快的速度收敛到目标。

八数码问题

解决：广度搜索，启发式搜索，csp算法。最经典的就是回溯算法，遍历构造整个搜索树，但时空开销大，可以进行一些细微改进。
优化：进行剪枝，将整个棋盘表示为一个矩阵，在每次放下皇后时，将棋盘上皇后可以攻击的位置进行标注，在每次放下皇后之后，检查剩余的行和列是否可以继续放下皇后，若存在某一行均处在皇后的攻击范围内，则退回下一步，搜索下一个位置，通过增加一个判定函数可以有效减少无效的搜索分支，预先判断棋盘的可摆放位置。提高算法的效率。

扫地机器人寻路

解决：深度有限搜索，扫地机器人属于人机交互类，真实世界具有状态空间，具体表现为脏与不脏，对应机器人的动作状态，向前后左右移动和进行清洁。可采用深度有限的搜索

求解方程极值

解决：群体智能搜索算法，粒子群，蚁群，遗传算法。通过将方程的每一个解表达为一个个体。由方程给出评估函数，通过迭代求出最优质最优解。

地图着色（csp问题）

解决：禁忌搜索，回溯搜索。此类问题具有许多约束条件，具体表现为地图块与块之间的颜色约束，问题有许多变量，对应有许多值域。可通过限制状态，或者状态矛盾后回溯解决。