人工智能基础 搜索问题

介绍

在这里插入图片描述
一般的问题都可以归为下面三个步骤
在这里插入图片描述

问题求解

在这里插入图片描述
问题求解中最主要的就是搜索问题了,下面就来介绍搜索问题

搜索问题

如魔方的还原问题
在这里插入图片描述
如转动次数最少的魔方还原
在这里插入图片描述

特征

在这里插入图片描述

四个典型的搜索问题

8-数码
在这里插入图片描述
八皇后
在这里插入图片描述
在这里插入图片描述
旅行商
在这里插入图片描述
在这里插入图片描述
传教士野人过河
在这里插入图片描述
在这里插入图片描述
汉诺塔问题,农夫过河问题,等等也属于搜索问题,上面只是举例了几个最基本的

搜索问题的要素

在这里插入图片描述

搜索问题的组成

在这里插入图片描述

问题表示

在这里插入图片描述
接下来主要学习介绍的是状态空间表示法

状态空间表示法

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

案例 8字符的移动

在这里插入图片描述
这里把数字的移动转化为空格的移动,简化了问题,
在初始情况下,空格只有四种移动的方法
在这里插入图片描述
下图就是8数码问题得到的状态空间图
在这里插入图片描述
可以发现我们的目标Sg已经在图中了
在这里插入图片描述
上左下右就是一个解
在这里插入图片描述
在这里插入图片描述

解的搜索

在这里插入图片描述

生成与测试范式

在这里插入图片描述

案例 n皇后问题

在这里插入图片描述
在这里插入图片描述
伪代码
在这里插入图片描述

穷举法

在这里插入图片描述
如,穷举法会造成效率低下,下图中已经不满足4皇后问题的约束,但是穷举法仍然会继续放置剩下的两个皇后,造成效率低下的问题在这里插入图片描述

回溯法

在这里插入图片描述
在这里插入图片描述
步骤
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
以此类推,这就是回溯法
在这里插入图片描述
如果想看看有没有其他解的话就继续执行
下图是回溯法的树
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

贪心算法

在这里插入图片描述

旅行商问题

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
注意 : 贪心算法可以快速的找到一个可行解,但不一定是最优解

状态空间搜索法

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

常用的盲目搜索算法

在这里插入图片描述
在这里插入图片描述
找到的不一定是最优解

BFS

这个数据结构都学过,看看例子就知道了
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

DFS

也就是深搜,看看就知道了
.
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
算发性就是可以找到解

优先深度优先搜索思想

在这里插入图片描述
在这里插入图片描述
他与dfs的唯一区别就是限制了搜索的深度
在这里插入图片描述

迭代加深的深度优先搜索 DFS-ID

路径代价随着深度增加而增加
**加粗样式**
在这里插入图片描述

小结

在这里插入图片描述

# 人工智能
Logo
天工造物局

北京人形旗下天工造物具身智能开源社区，聚焦具身天工与慧思开物两大平台

更多推荐

graphify 视频音视频转写全流程解析：从 detect 结果到知识图谱文档的 Step 2.5

graphify 的核心能力是把任意语料（代码、文档、PDF、图片）转化为可查询的知识图谱，而视频与音频文件无法被直接阅读，必须先把它们转写成文本。本文围绕 `graphify` 运行手册中的转写参考文档 [transcribe.md](https://link.gitcode.com/i/d3285781588e0f1b84886dfdbc4fe7f6)，完整讲解 "Step 2.5 - Tra

avatar 天工造物局

ML-For-Beginners 终章：经典机器学习在金融、医疗、零售等八大行业中的真实落地场景

本篇技术指南基于开源课程仓库 ML-For-Beginners 的收尾课程《Postscript: Machine learning in the real world》（对应仓库目录 [9-Real-World/1-Applications](https://link.gitcode.com/i/6b23002df80861c20abf34d7db63ef41)）编写。该课此前 11 周的教学带

avatar 天工造物局

graphify 知识图谱查询实战：query / path / explain 与可审计的答案闭环

本指南以 graphify 的 Trae 版查询技能参考（[graphify/skills/trae/references/query.md](https://link.gitcode.com/i/72a7875d46ec6d3706d31791f3cdcbe0)）为主体，系统讲解如何针对**已构建好的知识图谱**执行三类查询：语义相关节点遍历（query）、两概念间最短路径（path）、单节点关

avatar 天工造物局