Стратегии поиска на графах. Общая процедура поиска на графе. Неинформированные и эвристические процедуры поиска на графе.

1. Неинформированные процедуры поиска на графе

Неинформированные процедуры поиска редко используются в системах искусственного интеллекта из-за повышенных требований к вычислительным ресурсам. Неинформированные процедуры являются аналогом полного перебора. В зависимости от того, каким образом переупорядочиваются вершины в списке OPENна шаге 8, общей процедуры поиска на графе различают два основных способа организации вычислений – поиск в глубину и поиск в ширину.

При поиске в глубину каждый раз для раскрытия выбирается вершина, имеющая наибольшую глубину на дереве поиска. Если таких вершин несколько, то для раскрытия выбирается любая из них. Если предположить, что у каждой вершины дерева поиска существует только один переемник, то такая процедура будет полностью аналогична процедуре поиска с возвращением.

При втором способе упорядочения вершин для раскрытия выбирается вершина, имеющая минимальную глубину на дереве поиска. Алгоритм, использующий данный способ упорядочения вершин, будет стремиться раскрыть сначала все вершины, лежащие на одном уровне, затем все вершины, лежащие на следующем уровне и т.д.

2. Эвристические процедуры поиска на графе

Для большинства задач искусственного интеллекта имеется возможность использовать некоторую информацию, относящуюся к исследуемой задаче, чтобы содействовать сокращению поиска. Информацию такого рода обычно называют эвристической, а процедуры поиска ее использующие –методами эвристического поиска. Часто можно определить эвристики, уменьшающие затраты на поиск без потери гарантии нахождения пути минимальной «стоимости». Однако, отказ от такой гарантии может существенно повысить эффективность процедуры. Мы будем стремиться к тому, чтобы минимизировать некоторую комбинацию «стоимости» пути к цели и «стоимости» поиска, необходимого для нахождения этого пути. Более того, нас будут интересовать такие методы поиска, которые минимизируют эту комбинацию, усредненную по всем ожидаемым задачам. Если усредненная «стоимость» комбинации для первого метода поиска меньше, чем для второго, то говорят, что первый метод имеет большую эвристическую силу, чем второй.

3. Применение оценочных функций

Эвристическую информацию можно использовать для упорядочения вершин в списке OPENна шаге 8 таким образом, что процесс поиска будет распространяться по тем участкам границы, которые представляются наиболее перспективными. Чтобы применить такую процедуру, необходим метод оценивания перспективности вершин. Для этого используют функцию, принимающую в вершинах графа поиска действительные значения и называемуюоценочной.

Примеры оценочных функций:

• для каждой вершины можно определить вероятность того, что она принадлежит наилучшему пути;

• можно найти меру расстояния или различия между произвольной вершиной и целевым множеством;

• число очков в играх.

Такую функцию в дальнейшем будем обозначать f(n). Вершины в спискеOPENбудут расположены в соответствии с возрастанием соответствующих значению функцииf. Для игры в «восемь» целесообразно использовать следующую оценочную функцию:

f(n)=d(n)+w(n)

где: d(n) – глубина вершиныnна дереве поиска.

w(n) – число клеток в базе данных, которые не находятся на нужном месте