人工智能 一种现代方法 第4章 超越经典搜索

人工智能 一种现代方法 第4章 超越经典搜索

2018.3.23

4.1局部搜索算法和最优化问题

很多现实生活中的最优化问题目标与路径是不相关的，诸如布局问题、八皇后问题。

局部搜索算法对于解决纯粹的最优化问题十分有效，根据目标函数找到全局最优状态。

即代价的全局最小值，目标函数的全局最大值。

4.1.1爬山法

定义：不断向值增大的方向移动，直到到达局部最优

也被称为贪婪局部搜索，贪婪算法很容易改善一个坏的状态，但却经常陷入局部最优无法跳出。

局部极大值：比每个相邻的节点都高，但比全局最大要小。

山脊：一系列局部极大值

高原：一块平坦的局部极大值

• 优化算法

1. 侧向移动：允许连续侧向移动
2. 随机爬山法：随机的选择下一步，被选中概率与斜率有关
3. 首选爬山法：用随机爬山法直到生成了一个优于当前节点的后继
4. 随机重启爬山法：随机生成初始状态来引导爬山法，直到找到目标。

4.1.2模拟退火搜索

结合了爬山法与随机行走，开始是使劲晃动，慢慢降低摇晃的强度。

在开始时随机移动，如果该移动使情况改善，该移动被接受；否则以后一个小于1的概率接受该移动，这个概率呈指数级下降。

4.1.3局部束搜索

记录k个状态，从k个随机生成的状态开始，k个状态的全部后继均被生成，如果其中一个是目标状态则停止，否则从全部后继中选取k个最佳的后继重复这个过程。

4.1.4遗传算法

种群按照适应度函数进行配对，通过杂交产生后代，通过基因突变进行变异。