Bil*_*ald 1 search artificial-intelligence heuristics
我对启发式功能的“数学”无菌性感到非常困难。今天我在AI课上做了3分钟的梦,我错过了解释。有人可以向我解释一下启发式函数是否可以接受时如何计算?我发布了这个(h5 =(h1 + h2 + h3)/ 3是否可以接受?),但老实说,我不必一定是这个问题。我只是以身作则更好地理解。
另外,我还有《 AI:一种现代方法》一书,但找不到示例。如果您知道在哪里可以找到我,我将不胜感激。
首先,我们回想一下,如果启发式函数从不高估达到目标的成本,则可以认为它是可以接受的。这是什么意思
简而言之,这意味着,如果启发式函数返回h
状态的值,x
则不会存在成本更低的实解x
。例如,为了寻路,当前点与目的地之间的欧几里得距离是允许的,因为没有一条路径可以缩短成一条直线!换句话说,允许的启发式总是乐观的。
现在,我们可以回到您的问题。我们有三个可允许的启发式方法h1
,h2
并且h3
我们想确定这三个函数的平均值是否也是可允许的。现在,我们可以称呼从状态到目的地X(s)
的最佳可能成本s
(换句话说,就是最佳解决方案的成本)。X的值显然是未知的,但将很有用。
因为h1
,h2
并且h3
是可容许我们知道,任何状态s
:
h1(s) < X(s)
(请记住:h1永远不会高估最佳成本!)h2(s) < X(s)
h3(s) < X(s)
然后,由于h5
是其他三个函数的平均值,因此我们可以肯定地知道,对于每个状态,它都限制在min(h1(s),h2(s),h3(s))
和之间max(h1(s),h2(s),h3(s))
。所以我们可以说每个状态s
:
h5(s) <= max(h1(s),h2(s),h3(s)) <= X(s)
Run Code Online (Sandbox Code Playgroud)
因此也是h5
可以接受的。