说明:双击或选中下面任意单词,将显示该词的音标、读音、翻译等;选中中文或多个词,将显示翻译。
您的位置:首页 -> 词典 -> 搜索营救用海图
1)  search and rescue chart
搜索营救用海图
2)  search and rescue chart
搜寻营救用海图
3)  search and rescue chart
搜寻营救用位置图
4)  search and rescue operation
搜索与营救行动
5)  SARAH (Search and Rescue and Homing )
搜索、营救和归航
6)  search and rescue expense
搜寻营救费用
补充资料:搜索
      寻找问题的解的过程或技术,是人工智能中问题求解的基本方法。
  
  搜索空间与搜索图  在问题求解中搜索空间包括状态空间和一切非状态空间。搜索过程中在计算机内部实际形成的部分搜索空间称为搜索图。搜索的目的就是用尽量小的搜索图找到问题的解。
  
  在问题求解系统中,问题表示有两种基本方法:状态空间表示法和问题归约表示法。在状态空间表示法中,状态空间的节点表示状态,即问题求解过程的不同阶段,两节点之间的有向弧线则代表状态转移。在问题归约表示法中,原始问题被分解为若干子问题,这些子问题又进一步被分解为更低层次的若干子问题,节点之间的有向弧线则代表问题的归约,这样就形成了问题归约空间。问题归约空间和状态空间是不同类型的搜索空间。
  
  搜索空间一般用图表示。在实际问题中有时搜索空间是无限的(如定理的机器证明情形)。在棋类游戏中虽然搜索空间有限,但有些棋类其不同棋局总数高达10120。因此把同整个搜索空间对应的图(称为隐含图)全部显式表示出来既无可能也无必要。通常只将与部分搜索空间对应的隐含图的子图,即搜索图显式表示出来。
  
  限制搜索量  搜索必须在合理的时间和计算机存储容量条件下完成。对复杂的现实问题,穷举搜索难以实现。例如要列出某种棋类游戏的全部可能着法,那么搜索空间内节点数将随步数n成指数规律增长,这种现象称为指数爆炸。限制搜索量的基本途径是改进问题表示方法,采用启发式搜索,引入问题求解的其他技术,例如行动计划等。
  
  无信息搜索  如果在搜索过程中不使用与问题领域有关的启发信息,这种搜索就称为无信息搜索,或盲式搜索。例如对搜索树可按节点扩展顺序予以分类。所谓扩展某一节点,指的是将该节点所有后继节点全部求出。宽度优先搜索是按照节点与起始节点相隔辈分的高低来扩展节点的,也就是说在所有长度为n的算子序列分析完毕以前不考虑长度为 n+1的算子序列。如果问题的解存在,用宽度优先搜索策略可望得到最短的算子序列,即最短的解题通路。深度优先搜索的特征是首先扩展最新生成的或最深的节点,直到已无可扩展的节点或搜索深度已达到规定限度。这时返回到最邻近的分支,继续搜索。无信息搜索虽然方法简单,但效率很低,难以用于直接解决复杂的实际问题。
  
  启发式搜索  一种依靠直观和经验知识的搜索方法。如运用得当,能大幅度地减少搜索工作量。但是启发式搜索并不保证获得问题的最优解,甚至还不一定保证得到问题的一个解。实践表明,如果问题有解,好的启发式搜索方法在大多数场合下能给出令人满意的结果。运用启发式搜索的基本方法如下:①决定下一步要扩展的节点(并不机械地遵循宽度优先或深度优先方法),有序搜索或称最佳优先搜索就遵循这一途径。每次选择最有希望的节点优先扩展。为了对"有希望"的程度进行度量,需要建立评价函数。"有希望"的涵义和相应评价函数的具体构造完全取决于问题的性质和要求。这里需要权衡的两个因素是解的简明性(搜索图的解题通路所花费的节点和有向弧线数目最小)和搜索工作量的大小。对于有序状态空间搜索,已按照使解题通路花费最小的目的建立了A* 算法和相应的评价函数。这类A* 算法还以分枝限界法的名称在运筹学中得到广泛的应用。②在对节点进行扩展时决定哪一个或哪一些后继节点首先生成,而不是盲目地同时生成所有后继节点,许多博弈程序遵循这一途径,如对策树搜索。③决定有些节点不再展开,应从搜索树中剪除。剪除的原因可能是因为展开这些节点对找到解题通路的作用不大,也可能是出于其他策略的考虑。
  
  对策树搜索  采用最小最大方法的基本技术。下图为一对策树,树中每一节点代表一个棋局的局面。树的非终端标上棋手代码,表示此时由该方走下一步棋。所谓最小最大方法是两人共同遵循的策略,即一方希望自己得分最大,因此称max方,而另一方则希望自己得分最小,因此称min方。对策树的终端节点(终结局面)用静态评价函数评分。当棋手从某一局面出发决定下一步棋时,要对该局面用返回法评分。对策树是一种与或树(见问题求解),凡一方能控制的局面其后继节点是或节点,一方不能控制的局面其后继节点则是与节点。图中的对策树是站在max一方画出的。在图a中,不管评价函数F(5)的值是多少,max一方在局面①能确保的下限值(或称α 值)为F(2)=15,所以节点⑤已没有必要扩展而予以剪除,称为α 截枝;同理图b不管评价函数 F(7)的值是多少,max一方在局面①得分的上限值(或称β值)为F(4)=20,节点⑦也不再扩展而予以剪除,称为β 截枝,α截枝和β 截枝统称为α-β剪枝技术,它改进了原来实施穷举搜索的最小最大法,从而提高了搜索效率。人们一度曾将α-β剪枝技术看成是启发式方法,后来证明它有严格的理论算法。
  
  参考书目
   N.J.尼尔逊著,石纯一等译:《人工智能原理》,科学出版社,北京,1983。(N.J.Nilsson, Principles of Artificial Intelligence, Tioga Publ. Co., New York, 1980.)
   Judea Pearl,Heuristics: Intelligent Search Strategies for Computer Problem Solving, Addison-Wesley Publ.Co.,Inc., Reading, Mass.,1984.
  

说明:补充资料仅用于学习参考,请勿用于其它任何用途。
参考词条