【人工智能】—局部搜索算法、爬山法、模拟退火、局部剪枝、遗传算法
Local search algorithms (局部搜索算法)
- 局部搜索算法
- 内存限制
- 局部搜索算法
- 示例:n-皇后
- 爬山算法
- 随机重启爬山
- 模拟退火算法
- 局部剪枝搜索
- 遗传算法
- 小结
局部搜索算法
在某些规模太大的问题状态空间内,A*往往不够用
- 问题空间太大了
- 无法访问 f 小于最优的所有状态
- 通常,甚至无法储存整个边缘队列
解决方案
- 设计选择更好的启发式函数
- Greedy hill-climbing (fringe size = 1)
- Beam search (limited fringe size)
内存限制
- 瓶颈:内存不足,无法存储整个边缘队列
- 爬山搜索:
- 只有“最佳”节点保留在周围,没有边缘队列
- 通常按h优先选择继任者(贪婪的爬山)
- 与贪婪的回溯相比,它仍然有边缘队列
- 剪枝搜索(有限内存搜索)
- 介于两者之间:保持边缘中的K个节点
- 根据需要转储优先级最低的节点
- 可以单独按h(贪婪剪枝搜索)或h+g(有限内存A*)进行优先级排序
局部搜索算法
- 在许多优化问题中,通往目标的路径是不相关的;目标状态本身就是解决方案
- 状态空间=“完整”配置集(完全状态)
- 查找满足约束的配置,例如n皇后
- 在这种情况下,我们可以使用本地搜索算法
- 保持一个单一的“当前”状态,尝试改善它
- 直到你无法让它变得更好
- 恒定空间,适合在线和离线搜索
- 通常效率更高(但不完备)
示例:n-皇后
- 将n个皇后区放在n×n板上,同一行、同一列或同一对角线上没有两个皇后区#
爬山算法
- 简单、概括的想法:
- 从任何地方开始
- 总是选择最好的邻居
- 如果没有邻居的分数比当前分数高,退出
- 这在理论上效果很糟糕,因为他不具有完备性(算法不会陷入死循环,即一定能结束)也不保证得到最优解
- 问题:根据初始状态,可能会陷入局部最大值
- 随机重新开始爬山算法一定程度克服了局部最大值
- 随机侧向移动逃离肩膀
- 但可能在最大值处循环
随机重启爬山
非常简单的修改:
- 当被卡住时,随机选择一个新的启动状态,然后从那里重新运行爬山
- 重复此操作k次
- 返回k个局部最优值中的最佳值
可以做到非常高效
每当使用爬山时都应该尝试
快速、易于实施;对于解决方案空间表面不太“颠簸”(即不太多局部最大值)的许多应用来说,效果很好
仍然以8皇后问题为例:
- h=直接或间接相互攻击的成对皇后数量
- 对于上述状态,h=17
- 一个局部最优解如下:h=1
模拟退火算法
思想: 通过允许一些“坏”动作,但逐渐降低其频率,来逃避局部最大值
可以证明:如果T下降得足够慢,那么模拟退火搜索将找到概率接近1的全局最优
广泛应用于超大规模集成电路布局、航空公司调度等
局部剪枝搜索
- 跟踪k个状态,而不仅仅是一个。
- 从k个随机生成的状态开始。
- 在每次迭代时,生成所有k个状态的所有后续状态。
- 如果任何一个是目标状态,则停止;否则,从完整列表中选择k个最佳继任者,然后重复。
- 像贪婪搜索一样,但始终保持K状态:
- 多种实用设置中的最佳选择
- 与并行运行的k个搜索不同!
- 找到好状态的搜索,会招募其他搜索加入他们
- 变量:分支大小,鼓励多样性?
- 问题:通常情况下,所有k个状态最终都在同一个局部山丘上
- 思想:随机选择k个继任者,偏向于优秀的继任者
遗传算法
- 遗传算法使用自然选择隐喻
- 通过组合两个父状态生成后续状态
- 从k个随机生成的状态开始(总体种群)
- 状态表示为有限字母表上的字符串(通常是0和1的字符串)
- 评价函数(适应度函数适应度函数). 值越高,状态越好。
- 通过选择、交叉和突变产生下一代状态(选择,杂交,变异)
- 示例:每个状态由8个数字表示,按照概率随机选择两对交叉,适应度就是互不攻击的皇后对数,概率就是适应度的占比
小结
- 局部搜索算法——通往目标的路径是不相关的;目标状态本身就是解决方案,保持单一的“当前”状态,并尝试改进它
- 登山搜索
- 根据初始状态,可能会陷入局部最大值
- 模拟退火搜索
- 通过允许一些“坏”的移动来逃避局部最大值,但逐渐降低其频率
- 局部剪枝搜索
- 跟踪k个状态,而不仅仅是一个
- 遗传算法
- 好的启发式搜索能大大提高搜索性能
- 但由于启发式搜索需要抽取与问题本身有关的特征信息,而这种特征信息的抽取有时会比较困难,因此盲目搜索仍不失为一种有用的搜索策略
- 好的搜索策略应该
- 引起运动—避免原地踏步
- 系统—避免兜圈
- 运用启发函数—缓解组合爆炸
- 搜索树 vs 搜索图
- 搜索树:结点有重复,但登记过程简单
- 搜索图:结点无重复,但登记过程复杂(每次都要查重)
- 省空间,费时间。
【人工智能】—局部搜索算法、爬山法、模拟退火、局部剪枝、遗传算法相关推荐
- k图着色 局部搜索算法与模拟退火算法的python实现
文章目录 前言 如何评价一个解? 通过计算出的冲突来找它的邻居解 数据的格式 局部搜索 概述 补充 代码 模拟退火 概述 补充 代码 总结以及不足之处 前言 这两种算法就不详细介绍了,流程思路比较简单 ...
- C语言局部搜索算法(爬山法,模拟退火法,遗传算法)求解八皇后问题
C语言局部算法求解八皇后问题 写在前面 八皇后问题及局部搜索算法 爬山法(hill-climbing searching) 算法介绍 代码实现 退火法(simulated annealing) 算法介 ...
- 局部搜索(爬山法+模拟退火+遗传算法)
写在前面 我们讨论过了无信息搜索和启发式搜索,最后讨论完这个局部搜索,这个搜索部分终于是要结束了,局部搜索不同于前两者,无信息搜索和启发式搜索都是可观察.确定的.已知的情况进行的搜索过程.局部搜索没有 ...
- JAVA用爬山法解决八皇后问题_局部搜索算法.ppt
局部搜索算法 人工智能原理第2章 搜索技术(下) 本章内容2.1 搜索与问题求解2.2 无信息搜索策略2.3 启发式搜索策略2.4 局部搜索算法2.5 约束满足问题2.6 博弈搜索参考书目附录 A*算 ...
- 人工智能中的局部搜索算法
在局部搜索算法中,我们不再关心从初始节点到目标节点之间的路径,而是考虑从当前节点出发,移动到它的邻近状态,直到到达合理的目标状态.相比于前面所说的无信息搜索算法和有信息搜索算法,局部搜索算法往往能 ...
- 局部搜索、模拟退火和遗传算法求解TSP问题
模拟退火和遗传算法求解TSP问题 源代码传送门:GITHUB 数据传送门:TSPLIB 文章目录 模拟退火和遗传算法求解TSP问题 摘要 1 导言 1.1 问题重述 1.2 TSP问题选择 1.3 思 ...
- 集体智慧编程——优化搜索算法:爬山法,模拟退火算法,遗传算法-Python实现
在优化问题中,有两个关键点 代价函数:确定问题的形式和规模之后,根据不同的问题,选择要优化的目标.如本文涉及的两个问题中,一个优化目标是使得航班选择最优,共计12个航班,要使得总的票价最少且每个人的等 ...
- 旅行商问题的近似最优解(局部搜索、模拟退火、遗传算法)
旅行商问题的近似最优解(局部搜索.模拟退火.遗传算法) 关键字:旅行商问题,TSP,局部搜索,模拟退火,遗传算法 TSP问题(Traveling Salesman Problem)是一个组合优化问题. ...
- 通用局部搜索算法之WALKSAT
通用局部搜索算法之WALKSAT 设施区位及算法 2009-08-28 20:44:47 阅读29 评论0 字号:大中小 通用局部搜索算法之WALKSAT GSAT 和 WalkSat 是用于求解布尔 ...
最新文章
- SAP零售:补货 Vs 多步骤补货
- socketmq 设置队列大小_C++编程实例:面向对象的整形队列实现
- MapReduce基础开发之一词汇统计和排序(wordcount)
- python 求系数矩阵,关于numpy:python-如何在数据矩阵中使用nans计算相关矩阵
- 【Python】政府工作报告词云
- 2021年2月十大热门报告盘点(附百大热门报告列表及下载链接)
- cad相对坐标快捷键_CAD入门必记的15个命令,只要熟悉这15个命令几乎就可以走遍天下...
- linux脚本基础详解
- 教你安装ps,pr,ae,ai等Adobe软件,办公必备
- 【位置推iMessage苹果推送】 软件安装AVPlayerItem(URL: movieUrl) player
- C语言求三角形的角的大小,c语言求三角形的面积及判断三角形类型
- 凉凉!Tumblr 或被 300 万贱卖
- 参考美团大众点评合并,掌握APP推广妙招
- 企业微信之发送应用消息案例
- 使用OCR技术将扫描PDF转换为可编辑的Word文档。
- 浅谈叠片过滤器设计选型与技术要求
- Win10卸载OneDrive
- 小程序中image标签的mode属性,防止图片调整宽高而导致拉伸的问题
- matlab计算正负零序分量,5分钟教你正确理解电力系统中的正序负序零序.doc
- [NetBackup]客户端安装后server无法连通client
热门文章
- 上职高数学不好可以学计算机吗,如何学好职高的数学
- 新手学习C语言,入门小游戏的编写(三子棋)
- vue js樱花飘落背景特效
- 中国的程序员为何经常被叫做码农?
- python后端脚手架_flask-adminlte-scaffold是一个Python环境下的WEB后台管理系统脚手架...
- 推荐系统概述推荐系统算法简介
- 如何加强数字版权保护
- windows2012取消自动ipv4_Win10删除自动配置ipv4|Win10自动配置ip地址怎么关闭
- python没有库怎么办_python缺少依赖(ImportError)库怎么办 | C/C++程序员之家
- Apollo 1.9.2 部署手册实现本地零配置