Экспертные системы. Классификация экспертных систем. Разработка простейшей экспертной системы
Категория реферата: Рефераты по информатике, программированию
Теги реферата: исторические рефераты, контрольная по физике
Добавил(а) на сайт: Юренев.
Предыдущая страница реферата | 5 6 7 8 9 10 11 12 13 14 15 | Следующая страница реферата
список неудача
ОТКРЫТ?
Взять первую вершину из списка
ОТКРЫТ и поместить ее в список ЗАКРЫТ.
Обозначить ее через n.
да Равна ли глубина нет
n граничной глубине
Раскрыть n. Вычислить значение g для дочерних вершин.
Поместить эти вершины в список ОТКРЫТ.
Провести от них указатели к n
Являются ли нет какие- либо да из дочерних вершин успех целевыми?
рис.8 Блок-схема программы алгоритма поиска в глубину для деревьев.
В алгоритме поиска в глубину сначала идет перебор вдоль одного пути, пока не будет достигнута максимальная глубина, затем рассматриваются альтернативные пути той же или меньшей глубины, которые отличаются от него лишь последним шагом, после чего рассматриваются пути, отмечающимися последними двумя шагами, и т.д.
4.4. Изменение при переборе на произвольных графах
При переборе на графах, а не на деревьях, нужно внести некоторые естественные изменения в указанные алгоритмы. В простом методе полного перебора не нужно вносить никаких изменений, следует лишь проверять, не находиться ли уже вновь построенная вершина в список ОТКРЫТ или ЗАКРЫТ по той причине, что она уже строилась раньше в результате раскрытия какой- то вершины. Если это так, то ее не нужно вновь помещать в список ОТКРЫТ.
Прежде чем делать какие- либо изменения в алгоритме перебора в глубину, нужно нужно решить, что понимать под глубиной вершины в графе. Согласно
обычному определению, глубина вершины равна единице плюс глубина наиболее
близкой родительской вершины, причем глубина начальной вершины
предполагается равной нулю. Тогда поиск в глубину можно было бы получить, выбирая для раскрытия самую глубокую вершину списка ОТКРЫТ (без превышения
граничной глубины). Когда порождаются вершины, уже имеющиеся в списке
ОТКРЫТ, либо в списке ЗАКРЫТ, пересчет глубины такой вершины может
оказаться необходимым.
Даже в том случае, когда перебор осуществляется на полном графе, множество вершин и указателей, построенное в процессе перебора , тем не менее образуют дерево. (Указатели указывают только на одну порождающую вершину.)
4.5. Обсуждение эвристической информации
Методы слепого перебора, полного перебора или поиска в глубину являются исчерпывающими процедурами поиска путей к целевой вершине. В принципе эти методы обеспечивают решение задачи поиска пути, но часто эти методы невозможно использовать, поскольку при переборе прийдется раскрыть слишком много вершин. Прежде чем нужный путь будет найден. Т.к. всегда имеются практические ограничения на время вычисления и объем памяти, то нужны другие методы, более эффективные. чем методы слепого перебора.
Для многих задач можно сформулировать правила, позволяющие уменьшить
объем перебора. Все такие правила, используемые для ускорения поиска, зависят от специфической информации о задаче, представляемой в виде графа.
Будем называть такую информацию эвристической информацией (помогающей
найти решение) и называть использующие ее процедуры поиска эвристическими
методами поиска. Один из путей уменьшить перебор состоит в выборе более
“информированного” оператора Г, который не строит много не относящихся к
делу вершин. Этот способ применим как в методе полного перебора, так и в
методе перебора в глубину. Другой путь состоит в использовании
эвристической информации для модификации шага (5) алгоритма перебора в
глубину. Вместо того, чтобы размещать вновь построенные вершины в
произвольном порядке в начале списка ОТКРЫТ, их можно расположить в нем
некоторым определенным образом, зависящим от эвристической информации. Так, при переборе в глубину в первую очередь будет раскрываться та вершина, которая представляется наилучшей.
Более гибкий (и более дорогой) путь использования эвристической
информации состоит в том, чтобы, согласно некоторому критерию, на каждом
шаге переупорядочивать вершины списка ОТКРЫТ. В этом случае перебор мог бы
идти дальше в тех участках границы, которые представляются наиболее
перспективными. Для того, чтобы применить процедуру упорядочения, нам
необходима мера, которая позволяла бы оценивать “перспективность” вершин.
Такие меры называют оценочными функциями.
Иногда удается выделить эвристическую информацию (эвристику), уменьшающую усилия, затрачиваемые на перебор (до вершины, меньшей скажем, чем при поиске методом равных цен), без потери гарантированной возможности найти путь, обладающий наименьшей стоимостью. Чаще же используемые эвристики сильно уменьшают объем работы, связанной с перебором, ценой отказа от гарантии найти путь наименьшей стоимости в некоторых или во всех задачах.
4.5. Использование оценочных функций
Как мы уже отмечали, обычный способ использования эвристической
информации связан с употреблением упорядочения перебора оценочных функций.
Оценочная функция должна обеспечивать возможность ранжирования вершин-
кандидатов на раскрытие- с тем, чтобы выделить ту вершину, которая с
наибольшей вероятностью находится на лучшем пути к цели. Оценочные функции
строились на основе различных соображений. Делались попытки определить
вероятность того, что вершина расположена на лучшем пути. Предлагалось
также использовать расстояние и другие меры различия между произвольной
вершиной и множеством целевых вершин.
Предположим, что задана некоторая функция f, которая могла бы быть использована для упорядочения вершин перед их раскрытием. Через f(n) обозначим значение этой функции на вершине n. Эта функция совпадает с оценкой стоимости того из путей, идущих от начальной вершины к целевой и проходящих через вершину n, стоимость которого - наименьшая (из всех таких путей).
Рекомендуем скачать другие рефераты по теме: конспекты 9 класс, курсовые рефераты.
Предыдущая страница реферата | 5 6 7 8 9 10 11 12 13 14 15 | Следующая страница реферата