启发式搜索策略中爬山法的改进和实现
【网学提醒】：本文主要为网上学习者提供启发式搜索策略中爬山法的改进和实现，希望对需要启发式搜索策略中爬山法的改进和实现网友有所帮助，学习一下吧!
资料包括： 论文(5页2657字) 源码 图纸
说明：
摘要：介绍一种启发式搜索策略——爬山法的原理；讨论了爬山法的不足，提出一种改进的方法。将其不可撤回的搜索方式改为可以回溯的方式，从而使爬山法也可应用于复杂问题的求解，最后阐述如何用C语言实现改进的爬山法。
关键词：人工智能；启发式搜索策略；爬山法；C语言
正文
人工智能研究的课题可分成两大类：一类是具有一般意义的核心课题；一类是应用课题。搜索策略的研究是核心课题之一。通常搜索策略的主要任务是确定如何选取规则的方式。有两种基本方式:一种是不考虑给定问题所具有的特定知识, 系统根据事先确定好的某种固定排序, 依次调用规则或随机调用规则,这实际上是盲目搜索的方法, 一般统称为无信息引导的搜索策略。另一种是考虑问题领域可应用的知识, 动态地确定规则的排序, 优先调用较合适的规则使用, 这就是通常称为启发式搜索策略或有信息引导的搜索策略。前者由于没有启发信息的引导，因而搜索是盲目的，低效的。典型的盲目搜索方法是深度优先搜索和宽度优先搜索(亦称广度优先搜索), 这是两处基本搜索方法。后者采用启发信息引导，使搜索朝目标方向进行，避免走弯路，从而提高了求解的效率。目前有人提出了一些启发式搜索算法，其中爬山法是一种重要而常用的方法。本文针对爬山法的不足提出一种改进方法，该方法在求解时不受局限，从而扩大了爬山法的应用范围。
首先介绍一下爬山法的原理。
图所示为爬山法的原理。设爬山者最初位于P。点，目标是爬上L峰顶为此，爬山者可有4种走法，即向东、向南、向西、向北。爬山法要求在每走一步之前，先计算分别向4个方向走一步后到达的新位置与原位置高度之差，即启发信息；然后根据这一信息决定向哪个方向走。一般选高度差最大的方向作为即将走步的方向。每走一步都要有经计算得到的启发信息作为引导。当到达某点时，若4个方向的高度差计算结果都导致高度下降，则认为该点就是峰顶，搜索结束。由于爬山法每一步都是向梯度最陡的方向前进，而不是盲目攀登，因而可找到一条能很快到达峰顶的路径。 参考文献：
1王永庆．人工智能原理与方法．西安交通大学出版社，1998
2吴少平．人工智能导论．清华大学出版社，1993
3汪西莉．汪西源．用C语言实现人工智能中的搜索策略，山西师范大学学报，自然科学版
4佚名．产生式系统的搜索策略
资料包括： 论文(5页2657字) 源码 图纸
说明：
摘要：介绍一种启发式搜索策略——爬山法的原理；讨论了爬山法的不足，提出一种改进的方法。将其不可撤回的搜索方式改为可以回溯的方式，从而使爬山法也可应用于复杂问题的求解，最后阐述如何用C语言实现改进的爬山法。
关键词：人工智能；启发式搜索策略；爬山法；C语言
正文
人工智能研究的课题可分成两大类：一类是具有一般意义的核心课题；一类是应用课题。搜索策略的研究是核心课题之一。通常搜索策略的主要任务是确定如何选取规则的方式。有两种基本方式:一种是不考虑给定问题所具有的特定知识, 系统根据事先确定好的某种固定排序, 依次调用规则或随机调用规则,这实际上是盲目搜索的方法, 一般统称为无信息引导的搜索策略。另一种是考虑问题领域可应用的知识, 动态地确定规则的排序, 优先调用较合适的规则使用, 这就是通常称为启发式搜索策略或有信息引导的搜索策略。前者由于没有启发信息的引导，因而搜索是盲目的，低效的。典型的盲目搜索方法是深度优先搜索和宽度优先搜索(亦称广度优先搜索), 这是两处基本搜索方法。后者采用启发信息引导，使搜索朝目标方向进行，避免走弯路，从而提高了求解的效率。目前有人提出了一些启发式搜索算法，其中爬山法是一种重要而常用的方法。本文针对爬山法的不足提出一种改进方法，该方法在求解时不受局限，从而扩大了爬山法的应用范围。
首先介绍一下爬山法的原理。
图所示为爬山法的原理。设爬山者最初位于P。点，目标是爬上L峰顶为此，爬山者可有4种走法，即向东、向南、向西、向北。爬山法要求在每走一步之前，先计算分别向4个方向走一步后到达的新位置与原位置高度之差，即启发信息；然后根据这一信息决定向哪个方向走。一般选高度差最大的方向作为即将走步的方向。每走一步都要有经计算得到的启发信息作为引导。当到达某点时，若4个方向的高度差计算结果都导致高度下降，则认为该点就是峰顶，搜索结束。由于爬山法每一步都是向梯度最陡的方向前进，而不是盲目攀登，因而可找到一条能很快到达峰顶的路径。 参考文献：
1王永庆．人工智能原理与方法．西安交通大学出版社，1998
2吴少平．人工智能导论．清华大学出版社，1993
3汪西莉．汪西源．用C语言实现人工智能中的搜索策略，山西师范大学学报，自然科学版
4佚名．产生式系统的搜索策略