AI与Python人工智能启发式搜索概念理解

作者:weixin_42238387 时间:2021-08-05 03:56:28 

启发式搜索在人工智能中起着关键作用。在本章中,您将详细了解它。

AI中的启发式搜索的概念

启发式是一个经验法则,它引导我们找到可能的解决方案。人工智能中的大多数问题具有指数性,并且具有许多可能的解决方案。您不确切知道哪些解决方案是正确的,并且检查所有解决方案将非常昂贵。

因此,启发式的使用缩小了对解决方案的搜索范围并消除了错误的选项。使用启发式在搜索空间中引导搜索的方法称为启发式搜索。启发式技术非常有用,因为在使用它们时可以提高搜索速度。

不知情和知情搜索之间的区别

有两种类型的控制策略或搜索技术:不知情和知情。这里给出了详细解释 -

不知情的搜索

它也被称为盲目搜索或盲目控制策略。之所以这样命名,是因为只有关于问题定义的信息,并且没有关于状态的其他额外信息。这种搜索技术将搜索整个状态空间以获得解决方案。广度优先搜索(BFS)和深度优先搜索(DFS)是不知情搜索的示例。

知情搜索

它也被称为启发式搜索或启发式控制策略。它的名字是因为有一些关于状态的额外信息。此额外信息对于计算要探索和扩展的子节点之间的首选项很有用。将存在与每个节点相关联的启发式功能。最佳首次搜索(BFS),A *,均值和分析是知情搜索的示例。

约束满足问题(CSP)

约束意味着限制或限制。在人工智能中,约束满足问题是在某些约束条件下必须解决的问题。重点必须是在解决此类问题时不要违反约束。最后,当我们达到最终解决方案时,CSP必须遵守限制。

约束满足解决现实问题

前面的部分涉及创建约束满足问题。现在,让我们将其应用于现实世界的问题。通过约束满足解决的现实世界问题的一些例子如下 -

解决代数关系

在约束满足问题的帮助下,我们可以解决代数关系。在这个例子中,我们将尝试解决一个简单的代数关系a * 2 = b。它将在我们定义的范围内返回a和b的值。

完成这个Python程序后,您将能够理解解决约束满足问题的基础知识。

注意,在编写程序之前,我们需要安装名为python-constraint的Python包。您可以借助以下命令安装它 -

pip install python-constraint

以下步骤显示了使用约束满足来解决代数关系的Python程序 -

使用以下命令导入约束包 -

from constraint import *

现在,创建一个名为problem()的模块对象,如下所示 -

problem = Problem()

现在,定义变量。注意,这里我们有两个变量a和b,我们将10定义为它们的范围,这意味着我们在前10个数字中得到了解。

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

接下来,定义我们要在此问题上应用的特定约束。注意,我们在这里使用约束a * 2 = b。

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

现在,使用以下命令创建getSolution()模块的对象-

solutions = problem.getSolutions()

最后,使用以下命令打印输出 -

print (solutions)

您可以按如下方式观察上述程序的输出 -

[{'a': 4, 'b': 8}, {'a': 3, 'b': 6}, {'a': 2, 'b': 4}, {'a': 1, 'b': 2}, {'a': 0, 'b': 0}]

魔术广场

幻方是在方形网格中排列不同数字(通常是整数)的排列,其中每行和每列中的数字以及对角线中的数字都加起来称为“魔术常数”的相同数字。

以下是用于生成幻方的简单Python代码的逐步执行 -

定义一个名为magic_square的函数,如下所示 -

def magic_square(matrix_ms):
  iSize = len(matrix_ms[0])
  sum_list = []

以下代码显示了正方形的代码 -

for col in range(iSize):
  sum_list.append(sum(row[col] for row in matrix_ms))

以下代码显示了正方形的水平代码 -

sum_list.extend([sum (lines) for lines in matrix_ms])

以下代码显示了正方形水平的代码 -

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

现在,给出矩阵的值并检查输出 -

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

您可以观察到输出将为False,因为总和不是相同的数字。

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

您可以观察到输出将为True,因为总和是相同的数字,即此处为15。

来源:https://blog.csdn.net/weixin_42238387/article/details/89049553

标签:AI,Python,启发搜索
0
投稿

猜你喜欢

  • JsonServer安装及启动过程图解

    2023-08-12 20:06:02
  • SQL提高查询效率之Like篇

    2011-10-01 09:36:42
  • python-json校验-jsonpath解析

    2023-11-20 11:40:01
  • go语言实现猜数字小游戏的方法

    2024-02-12 11:47:18
  • 初衷和结果

    2009-02-23 12:52:00
  • 父节点获取子节点的字符串示例代码

    2024-02-27 05:07:02
  • MySQL UPDATE时主键冲突引发的思考

    2008-06-21 17:00:00
  • 原生js仿浏览器滚动条效果

    2024-04-10 16:09:33
  • python os用法总结

    2021-03-16 19:30:16
  • Python使用pandas和xlsxwriter读写xlsx文件的方法示例

    2022-05-14 00:35:25
  • Pygame鼠标进行图片的移动与缩放案例详解

    2023-08-12 15:18:58
  • 详解基于Transformer实现电影评论星级分类任务

    2022-01-08 20:31:23
  • JS使用eval()动态创建变量的方法

    2024-04-19 09:59:37
  • docker django无法访问redis容器的解决方法

    2021-10-05 05:48:22
  • Python中assert函数的使用(含源代码)

    2022-07-18 19:46:49
  • oracle SQL解析步骤小结

    2009-09-30 10:46:00
  • go语言中的协程详解

    2024-03-13 00:42:24
  • 深入理解Golang的单元测试和性能测试

    2024-05-05 09:27:42
  • 木鸟:ASP缓存类无错版

    2008-02-20 12:53:00
  • Python多线程中线程数量如何控制

    2021-01-12 04:05:05
  • asp之家 网络编程 m.aspxhome.com