【人工智能】— CSP约束满足问题、回溯搜索、最少剩余值MRV、度启发式、最少约束值启发式

之墨_

已于 2023-03-30 10:09:06 修改

阅读量2.8k

点赞数 6

分类专栏：人工智能笔记文章标签：人工智能算法

于 2023-03-23 11:13:04 首次发布

本文链接：https://blog.csdn.net/weixin_56462041/article/details/129714772

版权

笔记同时被 2 个专栏收录

192 篇文章 32 订阅

订阅专栏

人工智能

23 篇文章 22 订阅

订阅专栏

文章介绍了约束满足问题（CSP）的概念，如地图着色问题，并探讨了CSP的不同类型，包括离散和连续变量的问题。标准搜索公式和回溯搜索算法被提出，以及如何通过启发式方法如最少剩余值、度启发式和最少约束值启发式来提高搜索效率。前向检验和约束传播是避免无效搜索的重要策略。文章还提到了这些方法在现实世界问题如作业分配和时间调度中的应用。

摘要由CSDN通过智能技术生成

【人工智能】— 约束满足问题

约束满足问题 CSP

标准搜索问题：
- 状态是一个“黑匣子”——任何支持目标测试、评估、后续的旧数据结构
CSP:
- 状态由变量Xi和(值域)Di域中的值定义
- 目标测试是一组约束条件，每个约束包括一些变量的子集，并指定这些子集的值之间允许进行的合并

示例：地图着色

变量WA、NT、Q、NSW、V、SA、T
域Di=｛红、绿、蓝｝
限制：相邻区域必须有不同的颜色
原始图：
一种解决方案：解决方案是满足所有约束的分配，例如{WA=red, NT =green, Q=red, NSW =green, V =red, SA=blue, T =green}

约束图

二进制CSP：每个约束与两个变量相关
约束图：节点是变量，圆弧是约束
通用CSP算法使用图结构来加快搜索速度。

CSP的种类

离散变量：
- finite domains 有限值域:
  - n个变量，域大小 $d→O(d^n)$
  - 布尔CSPs，包括布尔可满足性（NP完全)如3-SAT
- infinite domains 无限值域 (integers, strings, etc.)
  - 例如，作业调度，变量是每个作业的开始/结束日期
  - need a constraint language（约束语言）
  - 线性约束可解，非线性不可解
连续变量：
- 例如，哈勃太空望远镜观测的开始/结束时间
- 用线性规划（LP）方法在多项式时间内可解的线性约束

约束类型

Unary（一元）约束包含单个变量
- 例如，SA≠green
Binary（二元） 约束包含成对的变量
- 例如，SA≠WA
Higher-order（更高阶）约束包含3个或更多变量
- 例如，密码运算(密码算数）列约束
偏好（软约束），例如，红色比绿色好
通常用每个个体变量赋值的耗散来表示→约束优化问题

举例:密码算法

在这里插入图片描述

现实世界的CSP

分配作业问题，例如，谁教什么课，谁复习哪些论文
时间表问题，例如，何时何地提供哪门课
- 硬件配置
- 运输调度
- 工厂调度
- 平面布置
请注意，许多现实世界中的问题都涉及实值变量
逐个枚举：
- 低效
- 需要指数时间dⁿ
- 但完备
  - 如何令指数时间算法高效一点

标准搜索公式

incremental增量形式化
- 让我们从简单的方法开始，然后完善它
- 状态由迄今为止分配的值定义
  - 初始状态：空赋值，｛｝
  - 后继函数：
    - 为未赋值的变量赋值，该变量与当前赋值不冲突
    - 如果没有合法分配，则失败
  - 目标测试：当前任务已完成
1. 优点：对所有CSP，形式化方法都是一样的
2. 每个解都出现在深度n处，有n个变量
  - 所以可以用深度优先搜索
3. 路径之间是不相关的，所以可以使用完全状态形式化
4. 缺点：CSP有n个值域大小为d的变量，顶层的分支因子为nd，因为有n个变量，每个变量的取值可以是d个值中的任何一个。在下一层，分支因子是(n-1)d，依此类推n层。生成了一棵有n!·dⁿ个叶子的搜索树，尽管可能的完整赋值只有dⁿ个！