啟發(fā)式搜索在人工智能中起著關(guān)鍵作用。 在本章中,我們來詳細(xì)地了解它。
啟發(fā)式是一條經(jīng)驗(yàn)法則,它將我們引向可能的解決方案。 人工智能中的大多數(shù)問題具有指數(shù)性,并且有許多可能的解決方案。并不確切知道哪些解決方案是正確的,檢查所有解決方案會非常昂貴。
因此,啟發(fā)式的使用縮小了搜索解決方案的范圍并消除了錯誤的選項。 啟發(fā)式引導(dǎo)搜索空間中的搜索的方法稱為啟發(fā)式搜索。 啟發(fā)式技術(shù)非常有用,因?yàn)槭褂盟鼈儠r可以提高搜索效率。
有兩種控制策略或搜索技術(shù):不知情和知情。這里給出的詳細(xì)解釋如下 -
不知情的搜索
它也被稱為盲搜索或盲控制策略。 它的命名是因?yàn)橹挥嘘P(guān)于問題定義的信息,并且沒有關(guān)于狀態(tài)的其他額外信息。 這種搜索技術(shù)將搜索整個狀態(tài)空間以獲得解決方案。 廣度優(yōu)先搜索(BFS)和深度優(yōu)先搜索(DFS)是非信息搜索的示例。
知情搜索
它也被稱為啟發(fā)式搜索或啟發(fā)式控制策略。 它的名字是因?yàn)橛幸恍╊~外的狀態(tài)信息。 這些額外的信息對計算子節(jié)點(diǎn)之間的偏好以便探索和擴(kuò)展很有用。 將會有與每個節(jié)點(diǎn)相關(guān)的啟發(fā)式功能。 Best First Search(BFS),A *,Mean和Analysis是知情搜索的例子。
約束滿足問題(CSP)
約束意味著限制或限制。 在人工智能中,約束滿足問題是一些約束條件下必須解決的問題。 重點(diǎn)必須是在解決這些問題時不要違反約束條件。 最后,當(dāng)我們達(dá)成最終解決方案時,CSP必須遵守限制。
前面的部分涉及創(chuàng)建約束滿足問題。 現(xiàn)在將它應(yīng)用于現(xiàn)實(shí)世界的問題。 通過約束滿足解決的現(xiàn)實(shí)世界問題的一些例子如下 -
解決代數(shù)關(guān)系
在約束滿足問題的幫助下,可以求解代數(shù)關(guān)系。 在這個例子中,我們將嘗試解決一個簡單的代數(shù)關(guān)系a * 2 = b。 它會在我們定義的范圍內(nèi)返回a和b的值。
完成此Python程序后,您將能夠理解解決約束滿足問題的基礎(chǔ)知識。
請注意,在編寫程序之前,需要安裝名為python-constraint的Python包。使用以下命令安裝它 -
pip install python-constraint
以下步驟向您展示了一個使用約束滿足來解決代數(shù)關(guān)系的Python程序。
使用以下命令導(dǎo)入約束包 -
from constraint import *
現(xiàn)在,創(chuàng)建一個名為problem()的模塊對象,如下所示 -
problem = Problem()
現(xiàn)在,定義變量。請注意,這里有兩個變量a和b,并且將定義10為它們的范圍,這意味著在前10個數(shù)字范圍內(nèi)得到解決。
problem.addVariable('a', range(10))
problem.addVariable('b', range(10))
接下來,定義應(yīng)用于這個問題的特定約束。 請注意,這里使用約束a * 2 = b。
problem.addConstraint(lambda a, b: a * 2 == b)
現(xiàn)在,使用以下命令創(chuàng)建getSolution()模塊的對象 -
solutions = problem.getSolutions()
最后,使用以下命令打印輸出 -
print (solutions)
可以觀察上述程序的輸出如下 -
[{'a': 4, 'b': 8}, {'a': 3, 'b': 6}, {'a': 2, 'b': 4}, {'a': 1, 'b': 2}, {'a': 0, 'b': 0}]
魔幻正方形
一個神奇的正方形是一個正方形網(wǎng)格中不同數(shù)字(通常是整數(shù))的排列,其中每行和每列中的數(shù)字以及對角線上的數(shù)字加起來就是所謂的“魔術(shù)常數(shù)”。
以下是用于生成幻方的簡單Python代碼的逐步執(zhí)行 -
定義一個名為magic_square的函數(shù),如下所示 -
def magic_square(matrix_ms):
iSize = len(matrix_ms[0])
sum_list = []
以下代碼顯示了垂直方塊的代碼 -
for col in range(iSize):
sum_list.append(sum(row[col] for row in matrix_ms))
以下代碼顯示了水平方塊的代碼 -
sum_list.extend([sum (lines) for lines in matrix_ms])
水平方塊的代碼實(shí)現(xiàn) -
dlResult = 0
for i in range(0,iSize):
dlResult +=matrix_ms[i][i]
sum_list.append(dlResult)
drResult = 0
for i in range(iSize-1,-1,-1):
drResult +=matrix_ms[i][i]
sum_list.append(drResult)
if len(set(sum_list))>1:
return False
return True
現(xiàn)在,給出矩陣的值并查看輸出結(jié)果 -
print(magic_square([[1,2,3], [4,5,6], [7,8,9]]))
可以觀察到由于總和未達(dá)到相同數(shù)字,輸出將為False。
print(magic_square([[3,9,2], [3,5,7], [9,1,6]]))
可以觀察到輸出將為True,因?yàn)榭偤褪窍嗤臄?shù)字,即15。