16、复杂环境搜索与约束满足问题解析

复杂环境搜索与约束满足问题解析

1. 复杂环境搜索算法概述

在部分可观测、非确定性、未知和连续的环境中，搜索算法有着不同的应用和特点。

1.1 局部搜索方法

• 特点 ：像爬山法这类局部搜索方法，仅在内存中保留少量状态。它主要应用于优化问题，目标是找到得分高的状态，而不关注到达该状态的路径。
• 随机局部搜索算法 ：例如模拟退火算法，在给定适当的冷却时间表时，能返回最优解。模拟退火算法借鉴了物理学中的Metropolis算法，如今已发展成一个独立的研究领域，每年都有数百篇相关论文发表。

1.2 连续空间问题

许多局部搜索方法也适用于连续空间的问题。线性规划和凸优化问题对状态空间的形状和目标函数的性质有一定限制，存在多项式时间算法，在实际应用中往往非常高效。对于一些数学形式良好的问题，可以使用微积分找到梯度为零的地方来确定最大值；对于其他问题，则需使用经验梯度来衡量两个相邻点的适应度差异。

1.3 进化算法

进化算法是一种随机爬山搜索，它维护一组状态。新状态通过变异和交叉产生，交叉是将成对的状态组合在一起。不过，大多数将遗传算法与其他方法（特别是随机爬山法）进行比较的研究发现，遗传算法的收敛速度较慢。但遗传算法在天线设计、计算机辅助设计、气候模型、医学和深度学习网络设计等领域有一些令人印象深刻的实际应用。

1.4 非确定性环境中的搜索

在非确定性环境中，智能体可以使用与或搜索来生成应急计划，无论执行过程中出现何种结果，都能达到目标