AI 搜索算法
搜索算法是人工智能最重要的领域之一。本主题将解释有关AI中搜索算法的所有信息。
问题解决代理:
在人工智能中，搜索技术是通用的问题解决方法。 AI中的
理性代理人或
问题解决代理人大多使用这些搜索策略或算法来解决特定问题并提供最佳结果。解决问题的代理是基于目标的代理，使用原子表示。在本主题中，我们将学习各种解决问题的搜索算法。
搜索算法术语:
搜索: 搜索是解决给定搜索空间中搜索问题的分步过程。搜索问题可能具有三个主要因素: 搜索空间: 搜索空间代表系统可能具有的一组可能的解决方案。 开始状态: 这是代理从搜索开始的状态。 目标测试: 该功能可观察当前状态并返回是否达到目标状态。
搜索树: 搜索问题的树表示形式称为搜索树。搜索树的根是与初始状态相对应的根节点。
操作: : 它为代理提供了所有可用操作的描述。
过渡模型: 每个动作的描述都可以表示为过渡模型。
路径成本: 是一个为每个路径分配数字成本的函数。
解决方案: 这是一个从起始节点到目标节点的动作序列。
最佳解决方案: : 在所有解决方案中，解决方案的成本最低。
搜索算法的性能:
以下是搜索算法的四个基本属性，用于比较这些算法的效率:
完整性: 如果搜索算法保证对于任意随机输入至少存在任何解，则可以保证返回一个解。
最优性: 确保为算法找到的解决方案是所有其他解决方案中最好的解决方案(最低路径成本)，然后将这种解决方案称为最优解决方案。
时间复杂度: 时间复杂度是算法完成任务所需时间的量度。
空间复杂度: 它是搜索过程中任何时候所需的最大存储空间，例如问题的复杂性。
搜索算法的类型
基于搜索问题，我们可以将搜索算法分类为无信息(盲搜索)搜索和知情搜索(启发式搜索)算法。
无知/盲目搜索:
不知情的搜索不包含任何领域知识，例如紧密性，目标位置。它以蛮力方式运行，因为它仅包含有关如何遍历树以及如何识别叶节点和目标节点的信息。不知情的搜索采用一种搜索树的方式，该搜索树不包含任何有关搜索空间的信息(例如初始状态运算符)并测试目标，因此也称为盲搜索(盲搜索)，它检查树的每个节点，直到达到目标节点为止。
它可以分为五种主要类型:
宽度优先搜索
统一成本搜索
深度优先搜索
迭代加深深度优先搜索
双向搜索
知情搜索
知情搜索算法使用领域知识。在明智的搜索中，可以使用问题信息来指导搜索。知情的搜索策略比不知情的搜索策略可以更有效地找到解决方案。知情搜索也称为启发式搜索。
启发式搜索并不总是可以保证获得最佳解决方案，但是可以保证在合理的时间内找到好的解决方案。
知情搜索可以解决其他无法解决的复杂问题。
知情搜索算法的一个示例是旅行商问题。
贪婪搜索
A *搜索
