第AI與Python人工智能啟發(fā)式搜索概念理解目錄AI中的啟發(fā)式搜索的概念不知情和知情搜索之間的區(qū)別不知情的搜索知情搜索約束滿足問題（CSP）約束滿足解決現(xiàn)實(shí)問題解決代數(shù)關(guān)系魔術(shù)廣場啟發(fā)式搜索在人工智能中起著關(guān)鍵作用。在本章中，您將詳細(xì)了解它。

AI中的啟發(fā)式搜索的概念

啟發(fā)式是一個(gè)經(jīng)驗(yàn)法則，它引導(dǎo)我們找到可能的解決方案。人工智能中的大多數(shù)問題具有指數(shù)性，并且具有許多可能的解決方案。您不確切知道哪些解決方案是正確的，并且檢查所有解決方案將非常昂貴。

因此，啟發(fā)式的使用縮小了對(duì)解決方案的搜索范圍并消除了錯(cuò)誤的選項(xiàng)。使用啟發(fā)式在搜索空間中引導(dǎo)搜索的方法稱為啟發(fā)式搜索。啟發(fā)式技術(shù)非常有用，因?yàn)樵谑褂盟鼈儠r(shí)可以提高搜索速度。

不知情和知情搜索之間的區(qū)別

有兩種類型的控制策略或搜索技術(shù)：不知情和知情。這里給出了詳細(xì)解釋-

不知情的搜索

它也被稱為盲目搜索或盲目控制策略。之所以這樣命名，是因?yàn)橹挥嘘P(guān)于問題定義的信息，并且沒有關(guān)于狀態(tài)的其他額外信息。這種搜索技術(shù)將搜索整個(gè)狀態(tài)空間以獲得解決方案。廣度優(yōu)先搜索（BFS）和深度優(yōu)先搜索（DFS）是不知情搜索的示例。

知情搜索

它也被稱為啟發(fā)式搜索或啟發(fā)式控制策略。它的名字是因?yàn)橛幸恍╆P(guān)于狀態(tài)的額外信息。此額外信息對(duì)于計(jì)算要探索和擴(kuò)展的子節(jié)點(diǎn)之間的首選項(xiàng)很有用。將存在與每個(gè)節(jié)點(diǎn)相關(guān)聯(lián)的啟發(fā)式功能。最佳首次搜索（BFS），A*，均值和分析是知情搜索的示例。

約束滿足問題（CSP）

約束意味著限制或限制。在人工智能中，約束滿足問題是在某些約束條件下必須解決的問題。重點(diǎn)必須是在解決此類問題時(shí)不要違反約束。最后，當(dāng)我們達(dá)到最終解決方案時(shí)，CSP必須遵守限制。

約束滿足解決現(xiàn)實(shí)問題

前面的部分涉及創(chuàng)建約束滿足問題?，F(xiàn)在，讓我們將其應(yīng)用于現(xiàn)實(shí)世界的問題。通過約束滿足解決的現(xiàn)實(shí)世界問題的一些例子如下-

解決代數(shù)關(guān)系

在約束滿足問題的幫助下，我們可以解決代數(shù)關(guān)系。在這個(gè)例子中，我們將嘗試解決一個(gè)簡單的代數(shù)關(guān)系a*2=b。它將在我們定義的范圍內(nèi)返回a和b的值。

完成這個(gè)Python程序后，您將能夠理解解決約束滿足問題的基礎(chǔ)知識(shí)。

注意，在編寫程序之前，我們需要安裝名為python-constraint的Python包。您可以借助以下命令安裝它-

pipinstallpython-constraint

以下步驟顯示了使用約束滿足來解決代數(shù)關(guān)系的Python程序-

使用以下命令導(dǎo)入約束包-

fromconstraintimport*

現(xiàn)在，創(chuàng)建一個(gè)名為problem（）的模塊對(duì)象，如下所示-

problem=Problem()

現(xiàn)在，定義變量。注意，這里我們有兩個(gè)變量a和b，我們將10定義為它們的范圍，這意味著我們?cè)谇?0個(gè)數(shù)字中得到了解。

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

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

接下來，定義我們要在此問題上應(yīng)用的特定約束。注意，我們?cè)谶@里使用約束a*2=b。

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

現(xiàn)在，使用以下命令創(chuàng)建getSolution（）模塊的對(duì)象-

solutions=problem.getSolutions()

最后，使用以下命令打印輸出-

print(solutions)

您可以按如下方式觀察上述程序的輸出-

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

魔術(shù)廣場

幻方是在方形網(wǎng)格中排列不同數(shù)字（通常是整數(shù)）的排列，其中每行和每列中的數(shù)字以及對(duì)角線中的數(shù)字都加起來稱為魔術(shù)常數(shù)的相同數(shù)字。

以下是用于生成幻方的簡單Python代碼的逐步執(zhí)行-

定義一個(gè)名為magic_square的函數(shù)，如下所示-

defmagic_square(matrix_ms):

iSize=len(matrix_ms[0])

sum_list=[]

以下代碼顯示了正方形的代碼-

forcolinrange(iSize):

sum_list.append(sum(row[col]forrowinmatrix_ms))

以下代碼顯示了正方形的水平代碼-

sum_list.extend([sum(lines)forlinesinmatrix_ms])

以下代碼顯示了正方形水平的代碼-

dlResult=0

foriinrange(0,iSize):

dlResult+=matrix_ms[i][i]

sum_list.append(dlResult)

drResult=0

foriinrange(iSize-1,-1,-1):

drResult+=matrix_ms[i][i]

sum_list.append(drResult)

iflen(set(sum_list))1:

returnFalse

returnTrue

現(xiàn)在，給出矩陣的值并檢查輸出-

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

您可以觀察到輸出將為False，因?yàn)榭偤筒皇窍嗤臄?shù)字。

print(magic_square([