本文探讨了人工智能中启发式搜索的概念，包括其作为有信息搜索策略的特点，利用估价函数评估节点的希望程度。重点介绍了最佳优先搜索（有序搜索）和A*算法，其中A*算法在满足特定条件时能确保找到最优解。启发函数在八数码问题中的应用举例，通过计算移动次数、放错位置的棋子数量或曼哈顿距离来估算成本，且讨论了估价函数的占优关系。
有信息搜索(Informed Search)：
1. 又称为启发式搜索(Heuristic Search)
2. 搜索过程中利用与问题有关的经验信息
3. 引入估计函数(evaluation function)来估计节点位于解路径上的“希望”，函数值越小“希望”越大
4. 搜索过程中按照估价函数的大小对OPEN表进行排序，每次选择估价函数值最小的节点作为下一步考察的节点
5. At the heart of such algorithms is the concept of a heuristic function(启发函数)
6. 与前面将搜索策略同一到"图一般搜索策略"的框架下类似，将一般策略稍作修改，可建立有信息搜索的一般搜索策略-----“最佳优先搜索”，也称为有序搜索.
启发函数(Heuristic Function)
用来描述经验信息;描述从当前这个节点到目标节点的最优路径代价的估计.
一般用h(n)来表示.
A算法：
f(x) = g(x) +h(x)
1. g(x)：从起始状态到当前状态x的代价
2. h(x)：从当前状态x到目标状态的估计代价(启发函数)
A*算法：
仅仅只是加了一定的限制条件;
g(x)必须大于0，其次h(x
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
