8127

Методы информированного поиска. Поиск сначала лучший. A*-поиск.

Лекция

Информатика, кибернетика и программирование

Методы информированного поиска. Поиск сначала лучший. A*-поиск. Методы не информированного (слепого) поиска в большинстве случаев неэффективны. Эффективность поиска может быть повышена за счет использования дополнительны...

Русский

2013-02-04

316.08 KB

5 чел.

Методы информированного поиска. Поиск сначала лучший. A*-поиск.

Методы неинформированного (слепого) поиска в большинстве случаев неэффективны. Эффективность поиска может быть повышена за счет использования дополнительных специфичных для данного класса задач значений.

Поиск сначала лучший. (Best-First SeachBFS).

В обобщенном алгоритме поиска единственным местом, где можно использовать дополнительные знания об особенностях задачи является функция построения очереди: Function BFS(problem, Eval-Fn). Она определяет следующую вершину для раскрытия.

Соответствующие значения обеспечиваются оценочной функцией. Эта функция возвращает число, отражающее желательность раскрытия вершины. Поиск, при котором  первой раскрывается вершина с максимальной оценкой, называется BFS. На базе общего обобщенного поиска General-Seach, функция BFS реализована следующим образом:

Quening-Fn построение очереди вершин, ожидающих раскрытия. Упорядочивает вершины в соответствии с Eval-Fn;

–после этого вызывается функция обобщенного поиска General-Seach(problem, Queuing-Fn), которой передается вершина упорядоченного поиска.

Название BFSстрого говоря не является точным, так как оценочная функция не гарантирует абсолютно лучшего, оптимального выбора вершины для раскрытия. Она лишь определяем вершину, которая представляется лучшей в соответствии с функцией оценки.

Жадный поиск. Минимизация оценочной стоимости.

Простейшей стратегией BFS является минимизация оценочной стоимости достижения цели, при этом первой раскрывается вершина, состояние которой оценивается как ближайшее к целевому состоянию.

Для большинства задач стоимость достижения цели из некоторого состояния может только оцениваться, но не может быть определена точно. Поэтому функция, вычисляющая оценки стоимости, является эвристической, ее принято обозначать h(n), где nвершина в дереве.

BFS, использующий функцию h для выбора следующей вершины, называется жадным поиском (Greedy).

function Greedy-Seach(Problem) returns solution or failure 

return BFS(Problem, h).

Требование к h: в целевом состоянии h(n)=0.

Рассмотрим идею жадного поиска на примере:


Будем рассматривать эвристический подход на примере поиска маршрута из A в F. Для задач поиска маршрута хорошей эвристической функцией является расстояние  до цели по прямой  Straight-Line-Distance. Hsld(n) –в качестве эвристической функции используется расстояние по прямой. Значение Hsld может быть вычислено по значению координат на карте. В следующей таблице укажем расстояние по прямой от пункта F до разных пунктов:

A

366

 F

M

L

Q

E

N

P

S

J

K

T

C

H

G

D

I

O

R

B


При выборе пути из D предпочтение было отдано вершине Е, так как она ближе по прямой до пункта F (цели) чем вершина G. Однако дальнейшее движение через пункт G к H и F позволяет получить более короткий путь или путь меньшей стоимости в целевое состояние. Действительно 99+211=310 > 80+97+101=278. Таким образом данная эвристическая функция не обеспечивает поиск оптимального пути. Это является следствием того, что стратегия выбирает самый выгодный ей шаг не учитывая дальнейших шагов. В целом жадный поиск как правило находит решение быстро, хотя оно не всегда является оптимальным. Жадный поиск аналогичен поиску в глубину, так как стремится двигаться к цели одним путем и возвращается лишь когда заходит в тупик. Временная сложность жадного поиска O(bm), где mмаксимальная глубина пространства поиска. Так как все вершины сохраняются в памяти , то емкостная сложность такая же как и временная. Тем не менее в конкретных задачах емкость или время может быть существенно сокращены от хорошей эвристической функции.

А* поиск.

Жадный поиск стремится минимизировать оценочную стоимость до цели h(n), что позволяет в ряде случаев повысить эффективность поиска, однако жадный поиск не является ни оптимальным, ни полным.

С другой стороны поиск по стоимости или по критерию стоимости минимизирует стоимость пути до текущего состояния g(n) и является полным и оптимальным, однако часто оказывается неэффективным. Естественно совместить эти два подхода или стратегии, чтобы использовать их преимущества. Сделать это очень просто введя аддитивную оценочную стоимость:

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

Поскольку g(n) –это стоимость пути от начальной вершины до текущей n, а h(n) –это оценочная стоимость самого дешевого, минимального пути из n до цели, то f(n) представляет собой оценочную стоимость самого дешевого пути, проходящего через n. Стратегия, использующая такую целевую функцию, является полной и оптимальной при следующем простом ограничении на функцию h:

  1.  Функция  h не должна переоценивать или завышать стоимость достижения цели. Такая функция называется допустимой или приемлемой в теории поиска.
  2.  Если h является приемлемой, то f(n) никогда не переоценивает реальную стоимость лучшего решения, проходящего через вершину n.

BFS поиск, использующий функцию f в качестве оценочной и допустимой называется A* поиск.

Function A* - Search (Problem) return BFS(Problem, g+h)

Расстояние по прямой является примером допустимой (приемлемой) функцией для задачи поиска пути. Рассмотрим реализацию A* поиска на примере (см. предыдущий граф).

Особенность A* поиска является то, что f-стоимость любого пути от корня никогда не убывает, такая эвристическая функция, называется монотонной. В тех случаях, когда эвристика не монотонна, для восстановления монотонности используются специальные приемы. Рассмотрим пару вершин n и n1, где nродитель n1.

Пусть  g(n)=3

h(n)=4, следовательно f(n)=7

Предположим, что   g(n1)=4

  h(n1)=2, тогда f(n1)=6

Следовательно, имеется нарушение монотонности. Истинная или реальная стоимость пути по крайней мере равна 7. Для восстановления монотонности используется следующий прием:

 f(n1)=max(f(n), g(n1)+h(n1))

Это равенство называется выравниванием максимального пути. В этом случае функция f называется неубывающей вдоль любого пути. На примере графа (Жадный поиск) видно, что функция f концептуально прочерчивает контур в пространстве состояний, внутри которого находятся вершины, достижимые в пределах соответствующей стоимости. Таким образом, видно как A* поиск фокусируется в направлении целевой вершины. Обозначим f*- стоимость оптимального пути, тогда можно утверждать, что поиск A*:

  1.  Раскрывает все вершины, у которых f(n)<f*
  2.  Может раскрывать некоторые вершины, у которых f(n)=f*

Первое же найденное решение должно быть оптимальным, так как все вершины во всех последовательных контурах будут иметь более высокую f стоимость и следовательно более высокую g стоимость.

A* поиск является полным, так как по мере расширения контура с разрастанием f, неизбежно достигается контур, у которого f равна стоимости пути и целевому состоянию. A* поиск является оптимально эффективнымникакой другой оптимальный алгоритм не гарантирует нахождения оптимальных вершин эффективнее, чем A* поиск.


 

А также другие работы, которые могут Вас заинтересовать

47598. МЕТОДИЧЕСКИЕ УКАЗАНИЯ. ИССЛЕДОВАНИЕ НАГРЕВА ОБРАЗЦА ПРИ ПОСТОЯННОЙ ТЕМПЕРАТУРЕ В ПЕЧИ 1.44 MB
  Теоретическая часть Дифференциальное уравнение теплопроводности устанавливает связь между временными и пространственными изменениями температуры тела и математически описывает перенос тепла внутри тела. чтобы решить дифференциальное уравнение надо знать условия однозначности которые включают: распределение температуры внутри тела в начальный момент времени начальное условие: Tr z0=fr z 2 fr z известная функция. Граничные условия III рода состоят в задании температуры окружающей среды как функции времени: Tc=fτ...
47599. Сборник основных дат и событий школьного курса отечественной и зарубежной истории 563.5 KB
  В сборник включены все основные даты и события школьного курса отечественной и зарубежной истории с древнейших времен до начала XXI века. Сборник составлен с учетом действующих школьных учебников и предназначен для широкого использования.
47600. ПРАКТИКУМ ПРОГРАММИРОВАНИЯ В СИСТЕМЕ VISUAL BASIC (Часть 2). МЕТОДИЧЕСКИЕ УКАЗАНИЯ 1.06 MB
  В методических указаниях разбирается ряд основных задач на численные методы, часто используемых в курсовых работах, приводятся варианты заданий для самостоятельного решения, рассматриваются основы создания меню и программа-шаблон Windows-приложения для курсовой работы
47601. Застосування Grid технологій в науці і освіті 2.57 MB
  Застосування Grid технологіЙ В науЦі і освітІ Роздавальний матеріал до вивчення курсу для студентів спеціаності âІнформаційні технології проектування Київ 2009 ВСТУП В основі технології Grid лежить об'єднання ресурсів шляхом створення комп'ютерної інфраструктури нового типу що забезпечує глобальну інтеграцію інформаційних і обчислювальних ресурсів на основі мережних технологій і спеціального програмного забезпечення проміжного рівня між базовим і...
47602. АДАПТИВНЫЙ КУРС ФИЗИКИ 10.29 MB
  Учебное пособие содержит опорные конспекты и образцы решения задач по указанным разделам элементарного курса физики. Пособие предназначено для студентов первого курса ДГТУ всех технических специальностей и имеет целью помощь при переходе от школьного к вузовскому курсу общей физики
47604. Философия: Учебник 3.1 MB
  Панин ФИЛОСОФИЯ УЧЕБНИК Рекомендовано Научнометодическим советом по философии Министерства образования Российской Федерации в качестве учебника по курсу Философия для студентов высших учебных заведений Издание третье переработанное и дополненное УДК 1 14075. В написании отдельных глав раздела История философии VII IX XII принял участие В. В учебнике представлены основные понятия и принципы философии. В третьем издании добавлен раздел История философии.
47606. Политология. Учебник 2.3 MB
  Методологические проблемы истории и теории политической науки. Социальные субъекты политической власти Раздел III. Мехонизм формирования и функционирования политической власти. Государство как институт политической системы Глава 11.