Einführung in die Methoden der Künstlichen Intelligenz - Goethe ...

2.2 Informierte Suche, Heuristische Suche
ergibt sich bei Plateaus, d.h. wenn mehrere Nachfolger die gleiche Bewertung haben, in
diesem Fall ist nicht eindeutig, welcher Weg gewählt werden soll.
Durch die Speicherung der besuchten Knoten ist der Platzbedarf linear in der Anzahl
der besuchten Knoten, also exponentiell in der Tiefe.
In Haskell (unter Verwendung der Klassenfunktion der Typklasse HeuristicSearch)
könnte man die Bergsteigerprozedur implementieren durch folgenden Code:
hillclimbing cmp heuristic goal successor start =
let -- sortiere die Startknoten
list = map (\k -> (k,[k])) (sortByHeuristic start)
in go list []
where
go ((k,path):r) mem
| goal k = Just (k,path) -- Zielknoten erreicht
| otherwise =
let -- Berechne die Nachfolger (nur neue Knoten)
nf = (successor k) \\ mem
-- Sortiere die Nachfolger entsprechend der Heuristik
l’ = map (\k -> (k,k:path)) (sortByHeuristic nf)
in go (l’ ++ r) (k:mem)
sortByHeuristic = sortBy (\a b -> cmp (heuristic a) (heuristic b))
Dabei ist das erste Argument cmp die Vergleichsfunktion (z.B. compare), die es daher
flexibel ermöglich zu minimieren oder zu maximieren. Das zweite Argument ist eine
Liste von Startzuständen. Die Element der Liste müssen dabei Instanzen der Typklasse
HeuristicSearch sein (damit die Funktionen successor, goal und heuristic für diesen
Typ definiert sind.
2.2.2 Der Beste-zuerst (Best-first) Suche
Wir betrachten als nächste die Best-first-Suche. Diese wählt immer als nächsten zu expandierenden
Knoten, denjenigen Knoten aus, der den Besten Wert bzgl. der Heuristik hat.
Der Algorithmus ist:
M. Schmidt-Schauß & D. Sabel, Skript KI, WS 2012/13 37 Stand: 18. Oktober 2012