(第六讲)搜索策略
- 格式：pdf
- 大小：248.69 KB
- 文档页数：27
下载文档原格式
合集下载
6第六讲 第三章(盲目、启发搜索)
二、有序搜索
用估价函数 f 来排列OPEN表上的节点。
应用某个算法选择OPEN表上具有最小f 值的节点作为
二、宽度优先搜索
例3.2 八数码问题 操作规定: 允许空格四周上、下、左、右的数码 块移入空格中，不许斜方向移动，不许返回先辈 结点。
1 2 3 8 5 7 4 6
1
4
1 3 8 2 5 7 4 6
2
1 2 3 8 4 5 7 6
3
1 2 3 8 5 7 4 6
5
1 2 3 8 5 7 4 6
深度优先搜索的特点
OPEN表为堆栈，操作是后进先出（LIFO） 深度优先又称纵向搜索。 一般不容易保证找到最优解（如下图所示） 防止搜索过程沿着无益的路径扩展下去，往往 给出一个节点扩展的最大深度——深度界限。
2、有界深度优先搜索
引入搜索深度限制值d，使深度优先搜索具有完备性 。 （1）深度界限的选择很重要 d若太小，则达不到解的深度，得不到解；若太大，既 浪费了计算机的存储空间与时间，降低了搜索效率。由于 解的路径长度事先难以预料，要恰当地给出d的值是比较 困难的。 （2）即使能求出解，它也不一定是最优解。 例3.3：设定搜索深度限制d=5的八数码问题。
4. 搜索过程框图
S0放入OPEN表 是 OPEN表空？ 否 将OPEN表中第一个节点(n) 移至CLOSE表 否 n是目标节点？ 扩展节点n，把n的后继节点放入 OPEN表末端，提供指向 节点n的指针 修改指针方针，重排OPEN表
失败
是
成功
一、图搜索策略(Graph Search) 5.图搜索方法分析：
3.2 启发式搜索
盲目搜索的不足：效率低，耗费空间与时间。 启发式搜索：利用问题本身特性信息（启发信息） 指导搜索过程。是有序搜索。 一、启发式搜索策略 启发式信息主要用途：
第六章 检索策略
1、认真进行课题分析，制定切实可行的检索策略 认真进行课题分析， （1）分析主题内容，确定正确的检索词（关键词或主题词） 分析主题内容，确定正确的检索词（关键词或主题词） （2）正确选择各种算符，如逻辑算符，位置算符，截词符， 正确选择各种算符，如逻辑算符，位置算符，截词符， 字段限定符等，编制合理的计算机检索式。 字段限定符等，编制合理的计算机检索式。 （3）分析学科范畴，以便确定所要检索的学科领域，提高查 分析学科范畴，以便确定所要检索的学科领域， 全率。 全率。 （4）确定检索年代、文献类型 确定检索年代、 明确检索需求，即弄清检索目的及要解决的问题。用户的 明确检索需求，即弄清检索目的及要解决的问题。 检索目的和要求是多种多样的，是撰写学位论文，还是申报科 检索目的和要求是多种多样的，是撰写学位论文， 研课题，是技术革新还是成果鉴定，目的不同，检索的策略和 研课题，是技术革新还是成果鉴定，目的不同， 范围也不同。检索需求主要反映在用户对命中文献的类型、语 范围也不同。检索需求主要反映在用户对命中文献的类型、 种及所需文献的年代等不同
三、 计算机信息检索的具体步骤 1 分析检索课题，制定切实可行的检索策略 分析检索课题， (这是检索的出发点，依据) 这是检索的出发点，依据) 2 利用检索系统特定的指令正确实施检索 通过人-机对话的方式不断调整、修改、 3 通过人-机对话的方式不断调整、修改、 检索策略 4 根据查找的文献线索获取原始文献
检索词的选择及检索式的构建
例1 城市生活污染研究
关键词：城市（都市、城区） 关键词：城市（都市、城区） 生活污染（生活污水、生活垃圾、 生活污染（生活污水、生活垃圾、电磁辐射 污染等） 污染等） 检索式（ 城区） 检索式（城市 or 都市 or 城区）and（生活 （ 污染 or 生活污水 or 生活垃圾 or 电磁辐射 污染） 污染）
搜索技巧和策略
搜索技巧和策略 The following text is amended on 12 November 2020.1．关键词的选取（1）准确表达需要搜索内容的关键词如：要搜索“张三”，+班级再+学校，以缩小搜索范围，避免很多无关内容。
（2）拆分关键词关键词很长，可拆成几个关键词来搜索，词与词之间用空格隔开。
如：要查找有关“如何在中学物理教学中更好地应用探究式教学方法”，用百度搜索只找到为数不多的相关网页。
这时，可以对关键词进行拆分，找出重要的关键词如“中学物理教学”、“探究式教学方法”。
例：考试：手机上网搜试题，再找答案…2、基本搜索语法（1）+、空格、and：表示逻辑“与”操作指“既包含…又包含…”。
（2）-、not：表示逻辑“非”操作指包含…而不包含…，如“中考物理试题–选择题”注意：这里的“+”和“-”号，是英文字符，而不是中文字符的“＋”和“－”。
此外，操作符与作用的关键字之间，不能有空格。
（3）or、|：表示逻辑“或”操作表示前后两个词是"或"的逻辑联系。
（4）巧用双引号精确查找双引号的作用是缩小搜索范围，实现精确搜索。
如：查找“探究式教学”，不用双引号会找到很多与“探究”、“教学”等词相关的网页，而我们要查找的“探究式教学”本身就是一个完整的术语，所以在搜索时避免那些把术语分开来看待的无关网页，就可以在关键词“探究式教学”上加上双引号引起来。
3、常用高级搜索1、【mp3】命令mp3命令在查询音乐的下载试听地址，如想搜寻歌曲“同桌的你”的下载试听地址，就能够够输出“mp3:同桌的你”查询。
2、【intitle】命令intitle的含义在于搜寻网页标题中含有的关键词，例如想搜寻标题中含有“庐江中学”的方式，就搜寻intitle:庐江中学，就会搜寻到网页标题中含有“庐江中学”关键词的网页。
3、【inurl】命令inurl命令在于查询网址中含有的关键词，如搜寻网址中含相关键词“ljzx”的词语，就能够输出“inurl:ljzx”查询。
人工智能搜索策略
强化学习在搜索中的应用
通过强化学习技术，让搜索引擎在与用户互动中不断优化自身的搜 索策略，提升用户体验。
知识图谱驱动的搜索策略
借助知识图谱技术，理解实体之间的关系，为用户提供更精准的搜 索结果和推荐。
多智能体协同搜索技术探讨
多智能体系统架构
设计高效的多智能体系统架构，实现智能体之间的协同和信息共 享，提高搜索效率。
IDA*算法优化技巧
迭代加深
01
通过限制搜索深度，逐步增加深度限制，以实现迭代加深搜索，
提高搜索效率。
启发式函数优化
02
针对具体问题领域，设计更为有效的启发式函数，以提供更准
确的搜索指导。
剪枝策略
03
在搜索过程中，根据问题特性采用剪枝策略，如可行性剪枝、
最优性剪枝等，以减少无效搜索。
性能评估与对比分析
目的
搜索策略的主要目的是在给定的问题 空间内，通过智能地选择和探索可能 的解决方案，以最高效的方式找到问 题的最优解或近似最优解。
常见搜索策略类型
盲目搜索
包括深度优先搜索、广度优先搜 索等，这类策略在搜索过程中不 依赖任何问题特定的信息，而是 按照某种固定的模式进行搜索。
启发式搜索
如A*搜索、模拟退火算法等，这 类策略在搜索过程中会利用一些 与问题相关的启发式信息来指导 搜索方向，从而加速搜索过程并
04 遗传算法在搜索中应用
遗传算法基本原理介绍
遗传算法是一种模拟生物进化过 程的优化算法，通过模拟自然选 择和遗传学原理来搜索问题的最
优解。
遗传算法从一组随机生成的初始 解开始，通过不断迭代进化，逐
步逼近问题的最优解。
遗传算法采用适应度函数来评价 每个解的优劣，并根据适应度大 小进行选择、交叉和变异等操作，
通过强化学习技术，让搜索引擎在与用户互动中不断优化自身的搜 索策略，提升用户体验。
知识图谱驱动的搜索策略
借助知识图谱技术，理解实体之间的关系，为用户提供更精准的搜 索结果和推荐。
多智能体协同搜索技术探讨
多智能体系统架构
设计高效的多智能体系统架构，实现智能体之间的协同和信息共 享，提高搜索效率。
IDA*算法优化技巧
迭代加深
01
通过限制搜索深度，逐步增加深度限制，以实现迭代加深搜索，
提高搜索效率。
启发式函数优化
02
针对具体问题领域，设计更为有效的启发式函数，以提供更准
确的搜索指导。
剪枝策略
03
在搜索过程中，根据问题特性采用剪枝策略，如可行性剪枝、
最优性剪枝等，以减少无效搜索。
性能评估与对比分析
目的
搜索策略的主要目的是在给定的问题 空间内，通过智能地选择和探索可能 的解决方案，以最高效的方式找到问 题的最优解或近似最优解。
常见搜索策略类型
盲目搜索
包括深度优先搜索、广度优先搜 索等，这类策略在搜索过程中不 依赖任何问题特定的信息，而是 按照某种固定的模式进行搜索。
启发式搜索
如A*搜索、模拟退火算法等，这 类策略在搜索过程中会利用一些 与问题相关的启发式信息来指导 搜索方向，从而加速搜索过程并
04 遗传算法在搜索中应用
遗传算法基本原理介绍
遗传算法是一种模拟生物进化过 程的优化算法，通过模拟自然选 择和遗传学原理来搜索问题的最
优解。
遗传算法从一组随机生成的初始 解开始，通过不断迭代进化，逐
步逼近问题的最优解。
遗传算法采用适应度函数来评价 每个解的优劣，并根据适应度大 小进行选择、交叉和变异等操作，
6_第六讲(关联规则分析)
每个关联规则可由如下过程产生：
对于每个频繁项集 l，产生 l 的所有非空子集； sup port _ count(l ) 对于每个非空子集s，如果 sup port _ count( s) min_conf 则输出规则“ ” s (l s)
Apriori算法—用伪码表示其形式00 5000
购买的item A,B,C A,C A,D B,E,F
假设最小支持度为50%， 最小置信度为50%，则有 如下关联规则
A C (50%, 66.6%) C A (50%, 100%)
大型数据库关联规则挖掘中如何降低计 算复杂度，提高关联规则效率
由事务数据库挖掘单维布尔关联规则
最简单的关联规则挖掘，即单维、单层、布尔关联规 则的挖掘，而且我们的举例尽量不涉及概念分层。
Items Bought A,B,C A,C A,D B,E,F
首先挖掘频繁项集，其前提条件是： 最小支持度 50%，且最小置信度 50%
Transaction ID 2000 1000 4000 5000
Apriori算法（计算大型数据库时挖掘关联规则的常用算法之一）
Apriori算法利用频繁项集性质的先验知识（prior knowledge），通过逐层搜索的迭代方法，即将k-项 集用于探察(k+1)-项集，来穷尽数据集中的所有频繁 项集（通过先验知识挖掘未知知识）。
Apriori性质：频繁项集的所有非空子集也必须是频繁 的。（ A B 模式不可能比A更频繁的出现，即A与
先找到频繁1-项集集合（即单个项出现的频率）L1,然后用L1 找到频繁2-项集集合L2，接着用L2找L3，直到找不到频繁k项集，找每个Lk需要一次数据库扫描，过程用到下面性质。
搜索策略与归结原理
⑧ 按某一任意方式或按某个探试值，重排OPEN表。 ⑨ GO LOOP。
4
开始 把S放入Open表
Open为空表？
否
是
失败
把第一个节点(n)从Open表移到Closed表 n为目标节点？
否
是
成功
把n的后继节点n放入Open表的末端,提供 返回节点n的指针图搜索方法的分析
3
③ LOOP：若OPEN表是空表，则失败退出。
④ 选择OPEN表上的第一个节点，把它从OPEN表移出并放 进CLOSED表中。称此节点为节点n。 ⑤ 若n为一目标节点，则有解并成功退出，此解是追踪图G 中沿着指针从n到S这条路径而得到的(指针第7步设置)。 ⑥ 扩展节点n，同时生成不是n的祖先的那些后继节点的集 合M。把M的这些成员作为n的后继节点添入图G中。 ⑦ 对那些未曾在G中出现过的(既未曾在OPEN表上或 CLOSED表上出现过的)M成员设置一个通向n的指针。把 M的这些成员加进OPEN表。对已经在OPEN或CLOSED 表上的每一个M成员，确定是否需要更改通到n的指针方 向。对已在CLOSED表上的每个M成员，确定是否需要更 改图G中通向它的每个后裔节点的指针方向。
11
(3)把Open表的第一个节点(记为节 点n)取出放入Closed表。 (4)考察节点n是否为目标节点。若 是，则求得了问题的解，退出。 (5)若节点n不可扩展，则转向第(2) 步。 (6) 扩展节点 n ，将其子节点放入 Open 表的尾部，并为每一个子节 点都配置指向父节点指针，然后 转第(2)步。 该过程的流程图如下：
22
2、局部择优搜索算法
(1)把初始节点S0放入Open表中，计算f(S0) (2)如果Open表为空，则问题无解，退出。 (3) 把 Open 表的第一个节点 ( 记为节点 n) 取 出放入Closed表。 (4)考察节点n是否为目标节点，若是，则求 得了问题的解，退出。 (5)若节点n不可扩展，则转地(2)步。 (6) 扩展节点 n ，用估价函数 f(x)计算每个子 节点的估价值，并按估价值从小到大的顺 序依次放到Open表的首部,设置指向父节点 的指针
算法分析第六章 基本算法的设计的策略 搜索的策略-PPT课件
R7：无可行解
分支界限法对解纯整数和混合整数问题都是使用的。
仅要求是整数时： x1 4 x2 2.1 max z34.0922
例 5.4.2 背包问题 (1)
n=6，M=18，
权重
6 ， 10 ， 3 ，8 ， 5 ， 4
利润（profit） 20 ， 31 ， 9 ，21 ， 13 ， 10
注意 Pi W ：20/6 ，31/10 ，9/3 ，21/8 ，13/5 ，10/4
下界：x e (1 ,0 ,1 ,1 ,0 ,0 )
w e60380017 pe2009210050
上界：x u(1,0,1,1,15,0)
wu
60385
1018 5
1
pu
20092113 5
52.6
25
最优最先剪枝（Best-First Search with Pruning）
0, 0, 51, 57
for i+h queen;
do {
make next selection;
if(safe) {
setqueen; if(i<(n-1)) { //n皇后
try(i+1);
if (!successful) remove queen; //回溯
}
}
} while (!successful && more - positions);
例 5.4.1 求解整数规划 （3）
由于341.39>340,故需对R3继续分解：
R6： x2 1
R7：x2 2
R6
R7
z 307 .76
无可行解
x1 5 .444 x 2 1 .000
搜索策略讲义课件
s k0 = 2 s k0 = 3 s k0 = 1 s k0 = 3 s k0 = 1 s k0 = 2 s k1 = 2 s k1 = 3 s k1 = 1 s k1 = 3 s k1 = 1 s k1 = 2
17
第七章 搜索策略
根本概念 状态空间的搜索策略 与/或图的搜索策略 博弈树搜索
➢ 7.1.2 状态图表示法
P
P1
P2
P3
27
第七章 搜索策略
根本概念 状态空间的搜索策略 与/或图的搜索策略 博弈树搜索
3) “与/或〞树：
上述两种方法也可结合起来使用,此时的图称为“与/或 〞树。其中既有“与〞节点,又有“或〞节点。
注意：状态图是与/或图的特殊形式,即与/或图中既有与关系 又有或关系,而状态图只有或关系。
描述； 2) 叶节点：无子节点的节点,亦称端节点； 3) 终止节点：有解的叶节点,对应本原问题。即终止节点一定
是端节点,但端节点不一定是终止节点。
29
第七章 搜索策略
根本概念 状态空间的搜索策略 与/或图的搜索策略 博弈树搜索
4) 可解节点：满足以下条件之一者： 它是一个终止节点。 它是一个“或〞节点,且其子节点中至少有一个是可解节点。 ③它是一个“与〞节点,且其子节点全部是可解节点。 5) 不可解节点：关于可解节点的三个条件全部不满足的节点
其中：a表示q1的变化, b表示q2的变化, c表示q3的变化。
9
第七章 搜索策略
根本概念 状态空间的搜索策略 与/或图的搜索策略 博弈树搜索
➢ 7.1.2 状态图表示法
把这种描述得到的有向图称为状态〔空间〕图。
其中的节点代表一种格局〔或称为状态〕,而两节 点之间的连线表示两节点之间的联系,它可视为某种操 作、规则、变换等。
搜索策略gy
信息工程学院 2007年5月10日
第5章 搜索策略
组合爆炸问题 • 对那些结构性能较好，理论上有算法可依的问题，
如果问题或算法的复杂性较高（如按指数形式增 长），由于受计算机在时间和空间上的限制，也 无法付诸实用。 • 例如，64阶梵塔问题有 3,433,683,820,292,512,484,657,849,089,281状 态，仅从空间上来看，这是一个任何计算机都无 法存储的问题。可见，理论上有算法的问题实际 上不一定可解。像这类问题，也需要采用搜索的 方法来进行求解。
对这一算法进一步分析也可以发现：如果取估价函数f(n)=g(n)，则它将退化为 代价树的深度优先搜索；如果取估价函数f(n)=d(n)，则它将退化为深度优先搜索。 可见，深度优先搜索和代价树的深度优先搜索是局部择优搜索的两个特例。
第5章 搜索策略
搜索策略gy
第5章 搜索策略
5.2.2 广度优先搜索
广度优先搜索也称为宽度优先搜索，它是一种先生成的节点先扩展的策略。 这种搜索策略的搜索过程是：从初始节点S0开始逐层向下扩展，在第n层节点 还没有全部搜索完之前，不进入第n+1层节点的搜索。Open表中的节点总是按 进入的先后排序，先进入Open表的节点排在前面，后进入Open表的节点排在后 面。
① 有效地帮助确定扩展节点的信息； ② 有效的帮助决定哪些后继节点应被生成的信息； ③ 能决定在扩展一个节点时哪些节点应从搜索树上删除 的信息。（剪枝策略） 一般来说，搜索过程所使用的启发性信息的启发能力越强， 扩展的无用节点就越少。
信息工程学院 2007年5月10日
第5章 搜索策略
2.估价函数
用来估计节点重要性的函数称为估价函数。估价函数f(n) 被定义为从初始节点S0出发，约束经过节点n到达目标节点Sg 的所有路径中最小路径代价的估计值。它的一般形式为：
搜索策略 ppt
OPEN:= {s4}
CLOSE:= {}
1/24/2022
100
启 发 式 搜 索
循环1
OPEN:= {a6
b4
c6}
CLOSE:= {s4}
1/24/2022
101
启 发 式 搜 索
循环2
OPEN:={d5
{a6
OPEN:=
e5
a6
c6
宽度优先搜索实例
1
2
3
1 8 4
7 6 5
2
3
2 3
2 8 3
1
4
7 6 5
5
7
2 8 3
1 6 4
7 5
10
2 8 3
1 6 4
7 5
11
1 8 4
7 6 5
6
2 8 3
1 6 4
5
2 1 4
7 6 5
12
2 3
1 8 4
7 6 5
2 8 3
1 4
7 6 5
2 8 3
7 1 4
9
8
7
2 8 3
1 4
信息检索和博弈等领域都广泛使用搜索技术。
搜索的基本概念
一、概念
搜索就是要寻找一个操作序列，使问题从初始状态转换到目标状态。这个操作序列就是目标的解。根
据问题的实际情况，按照一定策略和规则，构造一条代价最小的推理路线，使问题得以解决。
二、适用情况
不良结构或非结构化问题；难以获得求解所需的全部信息；更没有现成的算法可供求解使用。
状态1：[ 正，正，正]
状态2：[ 正，正，反]
状态3：[ 正，反，反]
等共8种状态
搜索策略
• var a:array[1..10] of integer;n:integer; • procedure find(k:integer);//找第k步的可能性 • var i,j:integer; flag:boolean;//标记当前值是否可用 • begin • if k>n then //当前n步都试完 • begin • for i:=1 to n-1 do write(a[i],' ');// 输出当前的序列 • writeln(a[n]); • exit; //结束当前这一步的探求 • end; • for i:=1 to n do //每一步的数字都有可能是1～n • begin • flag:=true; • for j:=1 to k-1 do • if i=a[j] then begin flag:=false;break;end; • if flag then //如果i的值跟a[1]～a[k-1]的值没有重复 • begin • a[k]:=i;//第k步的值为i • find(k+1);//探求下一步 • end; • end;
• 4．生成字符串(strs) • 【问题描述】 • 假设字符串由字符“O”，“1”，“*”组成，其中字符“*”表示该字符可由 字符“O”或“l”替代。 • 现有一些字符串，根据这些字符串生成所有可生成的字符串。如： • {10，*1，O*）可生成{10,01,11,OO} • {101,O01,*O1）可生成{101,O01} • 注意后一个例子中“*01”并没有生成新的字符串。 • 【输入格式】 • 第1行是两个整数m，n(1≤m≤15,1≤n≤2500)。m表示字符串的长度，n表示 字符串的个数。 • 以下n行每行各有一个字符串。文件中各行的行首、行末没有多余的空格。 • 【输出格式】 • 一个整数，表示所能生成的字符串的个数。 • 【输入样例】 • 23 • 10 • *1 • O* • 【输出样例】 • 4
人工智能基础教学课件03搜索策略
图3-7 与/或树
3.1 搜索策略概述
3.1.3 问题归约法
2.问题归约法的相关概念 为方便求解问题，问题归约法中引入以下几个基本的概念： （1）可解节点与不可解节点。在与/或树中，满足下列条件之一的节点称为可解节点：
①任何终止节点都是可解节点。
②对“与”节点，只有当其子节点全部为可 解节点时，该“与”节点才是可解节点。
3.1 搜索策略概述
3.1.2 状态空间法
状态空间法是人工智能中最基本的问题求解方法，它所采用的问题表示方法称为状态空间表示法。 状态空间法的基本思想是用“状态”和“算符”来表示和求解问题。从初始状态到目标状态所采用的 算符序列，称为问题的一个解。 1.状态
状态是指为了描述问题求解过程中不同时刻下状况（如初始状况、事实等叙述性知识）间的差异， 而引入的最少的一组变量的有序组合，常用矢量的形式表示。
03
搜索策略
3.1 搜索策略概述
3.1.1 搜索概述
1.搜索的概念
概 念
根据问题的实际情况，不断寻找可利用的 知识，从而构造一条代价最小的推理路线，使 问题得以解决的过程称为搜索。
3.1 搜索策略概述
3.1.1 搜索概述
2.搜索过程中需要解决的基本问题 搜索过程中需要解决的基本问题可以概括为以下几个方面：
3.1 搜索策略概述
3.1.3 问题归约法
【例3-3】三阶梵塔问题。
解 答
利用问题归约法，原始问题可分解为以下3个子问题： （1）把金片A和B移到2号钢针上的双金片移动问题，即
(1,1,1)→(1,2,2) （2）把金片C移到3号钢针上的单金片移动问题，即
(1,2,2)→(3,2,2) （3）把金片A和B移到3号钢针上的双金片移动问题，即
3.1 搜索策略概述
3.1.3 问题归约法
2.问题归约法的相关概念 为方便求解问题，问题归约法中引入以下几个基本的概念： （1）可解节点与不可解节点。在与/或树中，满足下列条件之一的节点称为可解节点：
①任何终止节点都是可解节点。
②对“与”节点，只有当其子节点全部为可 解节点时，该“与”节点才是可解节点。
3.1 搜索策略概述
3.1.2 状态空间法
状态空间法是人工智能中最基本的问题求解方法，它所采用的问题表示方法称为状态空间表示法。 状态空间法的基本思想是用“状态”和“算符”来表示和求解问题。从初始状态到目标状态所采用的 算符序列，称为问题的一个解。 1.状态
状态是指为了描述问题求解过程中不同时刻下状况（如初始状况、事实等叙述性知识）间的差异， 而引入的最少的一组变量的有序组合，常用矢量的形式表示。
03
搜索策略
3.1 搜索策略概述
3.1.1 搜索概述
1.搜索的概念
概 念
根据问题的实际情况，不断寻找可利用的 知识，从而构造一条代价最小的推理路线，使 问题得以解决的过程称为搜索。
3.1 搜索策略概述
3.1.1 搜索概述
2.搜索过程中需要解决的基本问题 搜索过程中需要解决的基本问题可以概括为以下几个方面：
3.1 搜索策略概述
3.1.3 问题归约法
【例3-3】三阶梵塔问题。
解 答
利用问题归约法，原始问题可分解为以下3个子问题： （1）把金片A和B移到2号钢针上的双金片移动问题，即
(1,1,1)→(1,2,2) （2）把金片C移到3号钢针上的单金片移动问题，即
(1,2,2)→(3,2,2) （3）把金片A和B移到3号钢针上的双金片移动问题，即
搜索策略
八数码问题又称九宫排字，问题是在一个3*3的方格盘上，放有八 个数码，剩下第九个为空，每一空格其上下左右的数码可移至空格。问 题给定初始位置和目标位置，要求通过一系列的数码移动，将初始位置 转化为目标位置。例如，给定初始位置为S0{2, ,3,1,8,4,7,6,5}，目标位置 为G{1,2,3,8, ,4,7,6,5}。
搜索到第三层时， f1(s5)=f1(s7)=4 f1(s4)=f1(s6)=3, 出现均势，为打破均势，还需要一个新 的启发式函数， 定义新的启发式函数： f2=所有数字当前位置次最短路径走到正确 位置的步数乊和
各状态的启发式函数值：
数码
1 2 3 4 5 6 7 8 f2(s0)=1+1+0+0+0+1+0+2=5 f2(s1)=1+2+0+0+0+0+0+0+0+0+1+1+2=6 f2(s3)=1+1+0+0+1+1+0+2=6 f2(s4)=1+1+0+0+0+0+0+1=3 f2(s5)=1+1+0+0+0+1+0+2=5 f2(s6)=1+2+0+0+0+0+0+2=5
在3*3的方格棋盘上放置1、2、3、4、5、6、7、8共8个 棋子，初始状态为s0，目标状态为sg。
深度优先搜索其基本思想：
从初始节点S0开始，在其子节点中任选 一个节点迚行考察，若不是目标节点，则 再在该子节点的子节点中选择一个节点迚 行考察。如果该子节点可以扩展，则扩展 该子节点，依次向下搜索。在搜索树的每 一层始终先只扩展一个子节点，如此一直 向下搜索，直到某个子节点既不是目标节 点又不能继续扩展时，才从当前节点返回 上一级节点，沿另一方向继续前迚。
搜索到第三层时， f1(s5)=f1(s7)=4 f1(s4)=f1(s6)=3, 出现均势，为打破均势，还需要一个新 的启发式函数， 定义新的启发式函数： f2=所有数字当前位置次最短路径走到正确 位置的步数乊和
各状态的启发式函数值：
数码
1 2 3 4 5 6 7 8 f2(s0)=1+1+0+0+0+1+0+2=5 f2(s1)=1+2+0+0+0+0+0+0+0+0+1+1+2=6 f2(s3)=1+1+0+0+1+1+0+2=6 f2(s4)=1+1+0+0+0+0+0+1=3 f2(s5)=1+1+0+0+0+1+0+2=5 f2(s6)=1+2+0+0+0+0+0+2=5
在3*3的方格棋盘上放置1、2、3、4、5、6、7、8共8个 棋子，初始状态为s0，目标状态为sg。
深度优先搜索其基本思想：
从初始节点S0开始，在其子节点中任选 一个节点迚行考察，若不是目标节点，则 再在该子节点的子节点中选择一个节点迚 行考察。如果该子节点可以扩展，则扩展 该子节点，依次向下搜索。在搜索树的每 一层始终先只扩展一个子节点，如此一直 向下搜索，直到某个子节点既不是目标节 点又不能继续扩展时，才从当前节点返回 上一级节点，沿另一方向继续前迚。
搜索策略概要课件
3. 监测与调整：定期监 测网站的搜索引擎排名 和流量来源，根据数据 进行优化和调整。
案例四：社交网络中的搜索策略应用
总结词：社交网络通 过运用搜索策略，帮 助用户快速找到感兴 趣的人、话题和内容 ，提高了社交互动和 用户黏性。
详细描述
1. 用户画像分析：通 过分析用户的个人信 息、兴趣爱好等数据 ，为用户打上标签， 以便于搜索和推荐相 关内容。
调整广告预算和出价
根据关键词的价值和竞争情况，可以尝试调整广告预算和 出价，以提高广告的展示机会和点击率。
结合用户反馈优化搜索策略
关注用户评价
积极关注用户的评价和反馈，了解用户对广告内容、着陆页、客 服等方面的满意度，以便及时优化和改进。
调整广告文案
根据用户的反馈和评价，可以尝试调整广告文案，以更好地吸引用 户点击和转化。
2. 实时热点话题推荐 ：根据当前热点事件 和趋势，为用户推荐 相关的话题和讨论群 体，提高用户的参与 度和社交互动。
3. 用户关系链分析： 通过分析用户之间的 互动行为和关系链， 为用户推荐可能感兴 趣的人或群体，促进 社交网络的扩展和用 户黏性的提升。
感谢您的观看
THANKS
搜索策略的分类与组成
组成
01
搜索策略通常包括以下几个方面
1. 明确信息需求
02
了解所需信息的类型、范围和详细程度，以便制定合适的查询
。
2. 选择合适的搜索引擎或资源
03
根据信息需求选择最适合的搜索引擎或信息库。
搜索策略的分类与组成
3. 制定查询语句
根据信息需求和资源特点，制定一个或多个 查询语句，以描述所需信息的特征。
建立词汇表
将所有相关的关键词整理成词汇表， 方便后续搜索策略的制定和优化。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
重排九宫的深度优先搜索
S0 2 8 3 1 4 7 6 5 1 2 2 8 3 1 4 7 6 5 2 3 1 8 4 7 6 5 2 8 3 1 4 7 6 5 2 8 3 1 6 4 7 5 3 2 8 3 1 6 4 7 6 2 8 3 1 6 4 7 5 4 2 8 3 1 6 7 5 4 5 2 8 3 1 6 7 5 4 2 8 1 6 3 7 5 4
搜索的原则
广度优先搜索按照 先扩展出的节点先被考察 的原则进 行搜索； 深度优先搜索按照 后扩展出的节点先被考察 的原则进 行搜索； 有界深度优先搜索的原则与深度优先搜索相同，但是它 规定了深度限界，使搜索不得无限制地向纵深方向发 展； 代价树的广度优先搜索按照 哪个节点到根节点的代价小 就先考察哪个节点 的原则进行搜索； 代价树的深度优先搜索按照 当前节点的哪个子节点到其 父节点的代价小就先考察哪个子节点 的原则进行搜索； 局部择优搜索按照 当前节点的哪个子节点到目标节点的 估计代价小就先考察哪个子节点 的原则进行搜索； 全局择优搜索按照 哪个节点到目标节点的估计代价小就 先考察哪个节点 的原则进行搜索；
P P
P1
P2 或树
P3
P1
P2 与树
P3
与 或树
P
P1
P2
P3
P11
P12
P31 与/或树
P32
P 33
一些基本概念
本原问题
不能再分解或变换，而且直接可解的子问题。
端节点与终止节点
在与 或树中，没有子节点的节点统称为端节点；本 原问题所对应的节点称为终止节点。
可解节点
在与 或树中，满足下列条件之一者，称为可解节点：
状态空间的一般搜索过程
表和 表
表用于存放刚生成的节点。对于不同的搜索策略，节点在 表中的排列顺序是不同的。 表用于存放将要扩展的节点。对一个节点的扩展是指：用所 有可适用的算符对该节点进行操作，生成一组子节点
表表Leabharlann 状态节点 父节点编号 状态节点 父节点
搜索的一般过程
把初始节点 放入 表，并建立目前只包含 的图，记为 ； 检查 表是否为空，若为空则问题无解，退出； 把 表的第一个节点取出放入 表，并计该节点为 ； 考察节点 是否为目标节点。若是，则求得了问题的解，退出； 扩展节点 ，生成一组子节点。把其中不是节点 先辈的那些子节点 记做集合 ，并把这些子节点作为节点 的子节点加入 中； 针对 中子节点的不同情况，分别进行如下处理： 对于那些未曾在 中出现过的 成员设置一个指向父节点（即节 点 ）的指针，并把它们放入 表；（不在 表） 对于那些先前已经在 中出现过的 成员，确定是否需要修改它 指向父节点的指针；（在 表中） 对于那些先前已在 中出现并且已经扩展了的 成员，确定是否 需要修改其后继节点指向父节点的指针；（在 表中）
深度优先搜索过程
把初始节点 放入 表。 如果 表为空，则问题无解，退出。 把 表的第一个节点（记为节点 ）取出 放入 表。 考察节点 是否为目标节点。若是，则求得了 问题的解，退出。 若节点 不可扩展，则转第 步。 扩展节点 ，将其子节点放入 表的首 部，并为每一个子节点都配置指向父节点的 指针，然后转第 步。
有界深度优先搜索
基本思想：
对深度优先搜索引入搜索深度的界限（设为 ），当搜索深度达 到了深度界限，而仍未出现目标节点时，就换一个分支进行搜索。
搜索过程：
把初始节点 放入 表中，置 的深度 。 如果 表为空，则问题无解，退出。 把 表的第一个节点（记为节点 ）取出放入 表。 考察节点 是否为目标节点。若是，则求得了问题的解，退出。 若节点 的深度 ，则转第 步（此时节点 位于 表， 但并未进行扩展）。 若节点 不可扩展，则转第 步。 扩展节点 ，将其子节点放入 表的首部，为每一个子节点 都配置指向父节点的指针，将每一个子节点的深度设置为 ，然后转第 步。
重排九宫的广度优先搜索
操作符：空格左移、上移、右移、下移 2 8 3
S0 1 4 7 6 5 4 2 3 1 8 4 7 6 5 7 8 3 2 1 4 7 6 5 14 8 3 2 1 4 7 6 5 22 8 3 2 1 4 7 6 5 23 8 1 3 2 4 7 6 5 24 2 8 3 7 4 6 1 5 2 8 3 7 1 4 6 5 15 2 8 3 7 1 4 6 5 25 2 8 3 7 1 4 6 5 8 2 3 1 8 4 7 6 5 16 1 2 3 8 4 7 6 5 26 1 2 3 8 4 7 6 5 9 2 3 1 8 4 7 6 5 17 18 1 2 3 4 1 8 7 6 5 2 8 1 4 3 7 6 5 2 8 3 1 4 5 7 6 2 8 3 6 4 1 7 5 2 8 3 1 6 7 5 4 10 2 8 1 4 3 7 6 5 2 8 3 1 4 7 6 5 11 12 2 8 3 1 4 5 7 6 19 20 2 8 3 1 6 4 7 6 1 2 2 8 3 1 4 7 6 5 6 3 5 2 8 3 1 6 4 7 5 13 2 8 3 1 6 4 7 5 21
状态空间
由所有可能出现的状态及一切可用算符所构成的集合称为问题的状态空间。
（ ）采用状态空间求解问题，可以用下面的一个三元组表示：
其中 是问题初始状态的集合； 是算符的集合； 是目标状态的集合。
状态空间示例
二阶梵塔问题（ ，例 ）。 表示问题的状态， 表示金片 所在的钢针 （ ）设用 号， 表示金片 所在的钢针柱号，全部可能的状态有九种：
2,3 3,2 A(3,2) 3,3 1,3 1,2 2,2
采用状态空间表示方法，首先要把问题的一切状态都表示出 来，其次要定义一组算符。 问题的求解过程是一个不断把算符作用于状态的过程。如果 在使用某个算符后得到的新状态是目标状态，就得到了问题 的一个解。这个解就是从初始状态到目标状态所采用算符的 序列。使用算符最少的解称为最优解。 对任何一个状态，可使用的算符可能不止一个。这样由一个 状态所生成的后继状态就可能有多个。此时首先对哪一个状 态进行操作，就取决于搜索策略。
它是一个终止节点； 它是一个 或 节点，且其子节点中至少有一个是可解节 点； 它是一个 与 节点，且其子节点全部是可解节点。
不可解节点
关于可解节点的三个条件全部不满足的节点
解树
由可解节点所构成，并且由这些可解节点可推出初始节 点为可解节点的子树称为解树 表示终止节点 。
P P
t t t t t
t
解树
2 8 1 6 3 7 5 4 ...
深度优先搜索的特点
在深度优先搜索中，搜索一旦进入某个分支， 就将沿着该分支一直向下搜索。如果目标节点 恰好在此分支上，则可较快地得到解。但是， 如果目标节点不在此分支上，而该分支又是一 个无穷分支，则就不可能得到解。所以深度优 先搜索是不完备的，即使问题有解，它也不一 定能求得解。 本质：以初始节点为根节点，在状态空间图中 按照深度优先的原则，生成一棵搜索树。
广度优先搜索
基本思想： 从初始节点 开始，逐层地对节点进行扩 展并考察它是否为目标节点。在第 层的 节点没有全部扩展并考察之前，不对第 ＋ 层的节点进行扩展。 表中节点总是按进入的先后顺序排 列，先进入的节点排在前面，后进入的排 在后面。
广度优先搜索过程
把初始节点 放入 表。 如果 表为空，则问题无解，退出。 把 表的第一个节点（记为节点 ）取出 放入 表。 考察节点 是否为目标节点。若是，则求得了 问题的解，退出。 若节点 不可扩展，则转第 步。 扩展节点 ，将其子节点放入 表的尾 部，并为每一个子节点都配置指向父节点的 指针，然后转第 步。
按某种搜索策略对 转第 步。
表中的节点进行排序；
一些说明
一个节点经一个算符操作后一般只生成一个子节点。但适用于 一个节点的算符可能有多个，此时就会生成一组子节点。这些 子节点中可能有些是当前扩展节点的父节点、祖父节点等，此 时不能把这些先辈节点作为当前扩展节点的子节点。 一个新生成的节点，它可能是第一次被生成的节点，也可能是 先前已作为其它节点的子节点被生成过，当前又作为另一个节 点的子节点被再次生成。此时，它究竟应选择哪个节点作为父 节点？一般由原始节点到该节点的代价来决定，处于代价小的 路途上的那个节点就作为该节点的父节点。 在搜索过程中，一旦某个被考察的节点是目标节点就得到了一 个解。该解是由从初始节点到该目标节点路径上的算符构成。 如果在搜索中一直找不到目标节点，而且 表中不再有可 供扩展的节点，则搜索失败。 通过搜索得到的图称为搜索图，搜索图是状态空间图的一个子 集。由搜索图中的所有节点及反向指针所构成的集合是一棵 树，称为搜索树。根据搜索树可给出问题的解。
三阶梵塔问题的与 或树
(1,1,1)=>(3,3,3)
(1,1,1)=>(1,2,2)
(1,2,2)=>(3,2,2)
(3,2,2)=>(3,3,3)
(1,1,1)=>(1,1,3) (1,1,3)=>(1,2,3) (1,2,3)=>(1,2,2) (3,2,2)=>(3,2,1) (3,2,1)=>(3,3,1) (3,3,1)=>(3,3,3)
问题的初始状态集合为 目标状态集合为 。 （ ）算符： 及 。 表示把 金片从第 号钢针移到第 号钢 针。 与之同理。算符共有 个。 （ ）在状态空间图中，从初始节点 到目标节点 或 的任 何一条通路都是问题的一个解。 1,1 A(1,3) 其中最短的路径长度是 ， 2,1 3,1 它由 个算符组成。 B(1,2) 例如
广度优先搜索的特点
优点： 只要问题有解，用广度优先搜索总可以得到 解，而且得到的是路径最短的解。 缺点： 广度优先搜索盲目性较大，当目标节点距初 始节点较远时将会产生许多无用节点，搜索 效率低。
深度优先搜索
深度优先搜索与广度优先搜索的唯一区别 是：广度优先搜索是将节点 的子节点放入 到 表的尾部，而深度优先搜索是把 节点 的子节点放入到 表的首部。