人工智能技術(shù)與應(yīng)用（案例版）課件 第3章 搜索與推理

第3章

搜索與推理人工智能技術(shù)與應(yīng)用ArtificialintelligencetechnologyandApplication1.搜索概述2.盲目搜索3.啟發(fā)式搜索4.推理5.搜索案例案例引入當(dāng)我們到陌生的城市旅游時，常使用手機的APP進行搜索地點、路徑導(dǎo)航等，也會搜索附近的美食、旅店等。當(dāng)我們在面對一個新事物，新產(chǎn)品，新概念時，常使用搜索引擎工具進行查詢、了解、學(xué)習(xí)。搜索技術(shù)在日常生活中的普遍應(yīng)用和重要性是不言而喻的。但你是否想過，在你使用智能助手搜索附近的餐廳過程中，智能助手是如何從成千上萬的選項中找到最符合你需求的那幾家餐廳的？它不僅能夠快速搜索，而且還對你的喜好、地理位置，甚至是當(dāng)時的餐飲潮流進行復(fù)雜的分析和判斷。這背后就是搜索技術(shù)的功勞。1.搜索概述美國人工智能專家尼爾森（Nilsson）把搜索列為人工智能研究的四個核心問題之一。知識的模型化和表示，常識性推理、演繹和問題求解，啟發(fā)式搜索，人工智能系統(tǒng)和語言。在人工智能中，搜索問題一般包括兩個重要的問題：（1）搜索什么（2）在哪里搜索發(fā)展歷史20世紀(jì)50年代。最初，搜索被用于解決邏輯和數(shù)學(xué)問題，如象棋等游戲。這些早期的AI系統(tǒng)，如IBM的DeepBlue，通過搜索算法評估可能的棋局走法，并選擇最佳策略。DeepBlue在1997年擊敗國際象棋世界冠軍加里·卡斯帕羅夫，這標(biāo)志著搜索技術(shù)在解決復(fù)雜問題上的巨大潛力。2.盲目搜索在問題的求解過程中，只按照一般的邏輯法則或控制性知識，在預(yù)定的控制策略下進行搜索。典型的盲目搜索有深度優(yōu)先搜索和寬度優(yōu)先搜索。回溯搜索

回溯算法實際上是一個類似枚舉的搜索嘗試過程，主要是在搜索嘗試過程中尋找問題的解，當(dāng)發(fā)現(xiàn)已不滿足求解條件時，就“回溯”返回，嘗試別的路徑。回溯法是一種選優(yōu)搜索法，按選優(yōu)條件向前搜索，以達到目標(biāo)。但當(dāng)探索到某一步時，發(fā)現(xiàn)原先選擇并不優(yōu)或達不到目標(biāo)，就退回一步重新選擇，這種走不通就退回再走的技術(shù)為回溯法，而滿足回溯條件的某個狀態(tài)的點稱為“回溯點”八皇后問題如何能夠在8×8的國際象棋棋盤上放置8個皇后，使其不能互相攻擊，即任意兩個皇后都不能處于同一行、同一列或同一斜線上，問有多少種擺法。3.啟發(fā)式搜索僅從當(dāng)前狀態(tài)節(jié)點擴展出子節(jié)點(相當(dāng)于找到上爬的路徑)，并將h(x)最小的子節(jié)點(對應(yīng)于到頂峰最近的上爬路徑)作為下一次考察和擴展的節(jié)點，其余子節(jié)點全部丟棄。3.啟發(fā)式搜索A搜索算法是基于估價函數(shù)的一種加權(quán)啟發(fā)式圖搜索算法f(n)=g(n)+h(n)A*算法則是對A算法進行了優(yōu)化，讓h(n)≤h*(n)，對h(n）進行了限制，是優(yōu)化版的A算法。A算法與A*算法模擬退火算法

模擬退火算法來源于固體退火原理，是一種基于概率的算法。左圖物體處于非晶體狀態(tài)。將固體加溫至充分高（中圖），再讓其徐徐冷卻，也就是退火（右圖）。加溫時，固體內(nèi)部粒子隨溫升變?yōu)闊o序狀，內(nèi)能增大，而徐徐冷卻時粒子漸趨有序，在每個溫度都達到平衡態(tài)，最后在常溫時達到基態(tài)，內(nèi)能減為最小，此時物體以晶體形態(tài)呈現(xiàn)。4.推理人們在對各種事物進行分析、綜合并最后做出決策時，通常是從已知的事實出發(fā)，通過運用已掌握的知識，找出其中蘊含的事實，或歸納出新的事實，這一過程通常稱為推理。概念推理分類按推出新判斷的途徑分類01按推出新判斷的途徑分類02按所用知識確定性分類03按推理過程中的單調(diào)性04按推理過程是否運用啟發(fā)性知識分類推理策略演繹推理所謂演繹推理，就是從一般性的前提出發(fā)，通過推導(dǎo)即“演繹”，得出具體陳述或個別結(jié)論的過程。形式有三段論、假言推理和選言推理等。歸納推理歸納推理屬于邏輯學(xué)范疇，是一種由個