人工智能导论笔记【第二章】

目录

2.1启发式函数

2.2贪心搜索算法

2.3A*算法和最优性

2.4启发式函数的可采纳性

2.5启发式函数的一致性

2.7启发式函数的性质

致谢

---

2.1启发式函数

第一章：无信息搜索

第二章：有信息搜索

启发式函数：

罗马尼亚旅游例子：启发式函数是直线距离

2.2贪心搜索算法

贪心搜索：使用优先队列

贪心可能会出错。

贪心不是完备的，也不是最优的。

2.3A*算法和最优性

贪心可能陷入局部最优而出错，因为他完全不考虑历史信息。

A*算法

三种算法的比较

A*算法最优性：节点估计值要小于实际成本（要限制启发式函数）

2.4启发式函数的可采纳性

A*算法中，设计可采纳的启发式函数很关键

情况2的极端情况：开始节点直接连A、B，则A的所有祖先节点都在B之前展开。

情况2的具体证明：

f(n)=g(n)+h(n)

已知，h(n)<=g(A)-g(n)，

则有f(n)<=g(A)，

又因为h(A)=0，

所以有f(n)<=f(A)，

结合f(A)<f(B)，

可知f(n)<f(B)。

证明得到，如果A*算法使用的启发式函数是可采纳的，那么在树搜索的情况下，就可以保证A*算法的最优性。

2.5启发式函数的一致性

A*在图搜索中的情况：不能保证最优

S，再A和B比，扩展B，再A和C比，扩展C，再A和G比，扩展A，再C和G比，f(C)小，但是，C已经被扩展过，不再次扩展，扩展G。

希望S->A->C中的C早于S->B->C中的C

根据祖宗节点都要早的原理，可推得：对于搜索图中每一条边的损耗估计都要小于等于实际值。

启发式函数的一致性（保证A*图搜索的最优性）

A*算法最优性总结

注意：树搜索中，一致代价搜索是A*的一个特例。

一致性蕴含可采纳

在实际运用中，A*算法的启发式函数可能不是可采纳的或一致的，但仍然可以加速搜索。

2.6启发式函数的构造

构建可采纳的启发式函数->找松弛问题、找子问题。

八数码问题的松弛问题。

考虑子问题

2.7启发式函数的性质

启发式函数的支配关系

致谢

原视频地址：人工智能导论（全集）_哔哩哔哩_bilibili