BÁO CÁO BÀI TẬP LỚN MÔN HỌC NHẬP MÔN TRÍ TUỆ NHÂN TẠO Tên đề tài Các thuật toán tìm kiếm nâng cao Học viên thực hiện Trần Huy Hoàng Lê Văn Linh Thạch Xuân Bách Trần Văn Trung Nội dung thực hiện A Lý.
Tên đề tài: Các thuật tốn tìm kiếm nâng cao Học viên thực hiện: Trần Huy Hoàng Lê Văn Linh Thạch Xuân Bách Trần Văn Trung Nội dung thực hiện: A- Lý thuyết I Các chiến lược tìm kiếm mù Tìm kiếm theo chiều rộng Tìm kiếm theo chiều sâu Tìm kiếm với độ sâu hạn chế II Các Tìm kiếm leo đồi (hill climbing search) Tìm kiếm ưu tiên tốt – Best First Search (Best-FS) Tìm kiếm Beam (Beam Search) III.Các chiến lược tìm kiếm tối ưu Giải thuật A* IV.Các chiến lược tìm kiếm kinh nghiệm chiến lược tìm kiếm có đối thủ Phương pháp Min,Max Phương pháp Alpha - Beta B- Chương trình Demo A- Lý thuyết I Các chiến lược tìm kiếm mù Trạng thái chọn để phát triển đơn dựa theo cấu trúc KGTT mà khơng có thơng tin hướng dẫn khác Nói chung tìm kiếm mù không hiệu Đây sở để cải tiến thu chiến lược hiệu Tìm kiếm theo chiều rộng (BFS) Ý tưởng: Trạng thái ưu tiên phát triển trạng thái sinh trước Phát triển bên node Đầu vào: Các node cạnh đồ thị Dùng danh sách open chứa trạng thái sinh chờ phát triển Đầu ra: Danh sách closed chứa trạng thái khảo sát Ví dụ: Thuật toán: procedure bfs; begin open:=[start]; closed:=[]; while open[] begin loại tt bên trái open, gọi u if (u đích) then thơng báo kết quả, thoát else begin Đưa u vào closed Phát sinh v u Loại có open+closed Đưa cịn lại vào bên phải open (1) end end Thông báo thất bại End Nhận xét: Trong thuật tốn tìm kiếm theo chiều rộng, trạng thái sinh trước phát triển trước, danh sách L sử dụng hàng đợi Nếu toán có nghiệm (tồn đường từ trạng thái đầu tới trạng thái kết thúc), thuật tốn tìm nghiệm Đánh giá: Giả sử trạng thái trung bình sinh b trạng thái (kề), b - gọi nhân tố nhánh Thời gian: 1+b+b2+b3+… +bd + b(bd-1) = O(bd+1) Không gian: O(bd+1) (lưu node cây) Không gian lưu trữ tốn Tìm kiếm theo chiều sâu (DFS) Ý tưởng: Mở rộng nút có độ sâu trước nút khác chờ xử lý Khi khơng mở rộng quay lại nút độ sâu thấp Đầu vào: Các node cạnh đồ thị Dùng danh sách open chứa trạng thái sinh chờ phát triển Đầu ra: Danh sách closed chứa trạng thái khảo sát Ví dụ: Thuật tốn: procedure dfs; begin open:=[start]; closed:=[]; while open[] begin loại tt u bên trái open if (u đích) then thơng báo kết quả, else begin Đưa u vào closed Phát sinh v u Loại có open+closed Đưa cịn lại vào bên trái open (1) end end Thông báo thất bại End Nhận xét: Thuật tốn tìm kiếm theo chiều rộng ln tìm nghiệm tốn có nghiệm Tuy nhiên, khơng phải với tốn có nghiệm thuật tốn tìm kiếm theo chiều sâu tìm nghiệm (với tốn có nghiệm khơng gian tìm kiếm hữu hạn tìm nghiệm) Tại sao? Trong trường hợp khơng gian trạng thái vơ hạn, khơng tìm nghiệm ta ln sâu xuống, ta theo nhánh vô hạn mà nghiệm khơng nằm nhánh thuật tốn không dừng Đánh giá: Thời gian:Độ phức tạp thời gian DFS O(b^d) trường hợp xấu nút khảo sát BFS Khảo sát nút độ sâu d DFS lưu trữ b*d nút.Dung lượng lưu trữ Tìm kiếm với độ sâu hạn chế Ý tưởng: Mở rộng nút có độ sâu trước nút khác chờ xử lý Khi không mở rộng quay lại nút độ sâu thấp Không tiếp tục mở rộng đến độ sâu d cố định Đầu vào: Các node cạnh đồ thị, độ sâu ban đầu Dùng danh sách open chứa trạng thái sinh chờ phát triển Đầu ra: Danh sách closed chứa trạng thái khảo sát Ví dụ: Tìm kiếm sâu dần l =1 Tìm kiếm sâu dần l =2 Tìm kiếm sâu dần l =3 Giải thuật A* A* giải thuật tổng qt BestFS, tìm kiếm KGTT đồ thị Vì đồ thị nên phát sinh nhiều vấn đề tìm đường tối ưu Để ý nghiệm đường nên ta phải lưu lại vết đường Trong giải thuật trước, để tập trung cho tư tưởng giải thuật bỏ qua chi tiết này, giải thuật chi tiết đề cập liên quan đến nghiệm cách trực tiếp Mỗi trạng thái u tùy ý gồm bốn yếu tố (g(u), h(u), f(u), cha(u)) Trong đó: G(u), h(u), f(u) biết Cha(u) nút cha nút u 18 19 Bước Open closed A(0,7,0,-) B(3,3,6,A), D(1,6,7,A), C(5,4,9,A) A(0,7,0,-) D(1,6,7,A), C(4,4,8,B) B(3,3,6,A) B(2,3,5,D), C(4,4,8,B) D(1,6,7,A) C(3,4,7,B) B(2,3,5,D) G(5,0,5,C) C(3,4,7,B) Giải thuật dừng bước đường thu độ dài sau B-C-G A-D- 20 ... hiện: A- Lý thuyết I Các chiến lược tìm kiếm mù Tìm kiếm theo chiều rộng Tìm kiếm theo chiều sâu Tìm kiếm với độ sâu hạn chế II Các Tìm kiếm leo đồi (hill climbing search) Tìm kiếm ưu tiên tốt –... – Best First Search (Best-FS) Tìm kiếm Beam (Beam Search) III .Các chiến lược tìm kiếm tối ưu Giải thuật A* IV .Các chiến lược tìm kiếm kinh nghiệm chiến lược tìm kiếm có đối thủ Phương pháp Min,Max... xét: Thuật tốn tìm kiếm theo chiều rộng ln tìm nghiệm tốn có nghiệm Tuy nhiên, khơng phải với tốn có nghiệm thuật tốn tìm kiếm theo chiều sâu tìm nghiệm (với tốn có nghiệm khơng gian tìm kiếm