啓發式搜索

啓發式搜索在人工智能中起着關鍵作用。在本章中，我們來詳細地瞭解它。

AI中啓發式搜索的概念

啓發式是一條經驗法則，它將我們引向可能的解決方案。人工智能中的大多數問題具有指數性，並且有許多可能的解決方案。並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，啓發式的使用縮小了搜索解決方案的範圍並消除了錯誤的選項。啓發式引導搜索空間中的搜索的方法稱爲啓發式搜索。啓發式技術非常有用，因爲使用它們時可以提高搜索效率。

不知情和知情搜索之間的區別

有兩種控制策略或搜索技術:不知情和知情。這裏給出的詳細解釋如下 -

不知情的搜索
它也被稱爲盲搜索或盲控制策略。它的命名是因爲只有關於問題定義的信息，並且沒有關於狀態的其他額外信息。這種搜索技術將搜索整個狀態空間以獲得解決方案。廣度優先搜索(BFS)和深度優先搜索(DFS)是非信息搜索的示例。

知情搜索
它也被稱爲啓發式搜索或啓發式控制策略。它的名字是因爲有一些額外的狀態信息。這些額外的信息對計算子節點之間的偏好以便探索和擴展很有用。將會有與每個節點相關的啓發式功能。 Best First Search(BFS)，A *，Mean和Analysis是知情搜索的例子。

約束滿足問題(CSP)
約束意味着限制或限制。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。重點必須是在解決這些問題時不要違反約束條件。最後，當我們達成最終解決方案時，CSP必須遵守限制。

約束滿足解決的現實世界問題

前面的部分涉及創建約束滿足問題。現在將它應用於現實世界的問題。通過約束滿足解決的現實世界問題的一些例子如下 -

解決代數關係

在約束滿足問題的幫助下，可以求解代數關係。在這個例子中，我們將嘗試解決一個簡單的代數關係a * 2 = b。它會在我們定義的範圍內返回a和b的值。

完成此Python程序後，您將能夠理解解決約束滿足問題的基礎知識。

請注意，在編寫程序之前，需要安裝名爲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關係的Python程序。

使用以下命令導入約束包 -

from constraint import *

現在，創建一個名爲problem()的模塊對象，如下所示 -

problem = Problem()

現在，定義變量。請注意，這裏有兩個變量a和b，並且將定義10爲它們的範圍，這意味着在前10個數字範圍內得到解決。

problem.addVariable('a', range(10))
problem.addVariable('b', range(10))

接下來，定義應用於這個問題的特定約束。請注意，這裏使用約束a * 2 = b。

problem.addConstraint(lambda a, b: a * 2 == b)

現在，使用以下命令創建getSolution()模塊的對象 -

solutions = problem.getSolutions()

最後，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格中不同數字(通常是整數)的排列，其中每行和每列中的數字以及對角線上的數字加起來就是所謂的「魔術常數」。

以下是用於生成幻方的簡單Python代碼的逐步執行 -

定義一個名爲magic_square的函數，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])

水平方塊的代碼實現 -

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

現在，給出矩陣的值並查看輸出結果 -

print(magic_square([[1,2,3], [4,5,6], [7,8,9]]))

可以觀察到由於總和未達到相同數字，輸出將爲False。

print(magic_square([[3,9,2], [3,5,7], [9,1,6]]))

可以觀察到輸出將爲True，因爲總和是相同的數字，即15。

人工智能（Python）教程

AI中啓發式搜索的概念

不知情和知情搜索之間的區別

約束滿足解決的現實世界問題