AI与Python人工智能启发式搜索概念理解

目录
  • AI中的启发式搜索的概念
  • 不知情和知情搜索之间的区别
    • 不知情的搜索
    • 知情搜索
  • 约束满足问题（CSP）
    • 约束满足解决现实问题
    • 解决代数关系
  • 魔术广场

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。

以上就是AI与Python启发式搜索概念理解的详细内容，更多关于AI Python启发式搜索的资料请关注我们其它相关文章！

赞 (0)

相关推荐

  • Python调用百度AI实现颜值评分功能

    Python调用百度AI实现颜值评分功能

    目录 一.调用百度接口进行人脸属性识别 二.根据年龄和性别对颜值进行评价 三.批量识别人脸属性 四.自定义窗口语音播报颜值得分 五.明星颜值评价 一.调用百度接口进行人脸属性识别 安装好baidu-aip模块,获取了百度AI接口密钥后,即可调用百度接口进行人脸属性识别了.首先以杨紫的图片为例进行年龄.性别.颜值的识别. 具体python代码如下:‍ import os import base64 from aip import AipFace os.chdir(r'F:\公众号\28.人脸识别'

  • AI与Python人工智能遗传算法

    AI与Python人工智能遗传算法

    目录 什么是遗传算法? 如何使用GA进行优化问题? GA机制优化过程的阶段 安装必要的软件包 使用遗传算法实现解决方案 生成位模式 符号回归问题 本章详细讨论了人工智能的遗传算法. 什么是遗传算法? 遗传算法(GA)是基于自然选择和遗传概念的基于搜索的算法.GA是更大的计算分支的子集,称为进化计算. GA由John Holland及其密歇根大学的学生和同事开发,最着名的是David E. Goldberg.从那以后,已经尝试了各种优化问题并取得了很大的成功. 在GA中,我们有一组可能的解决方案来

  • Python调用百度AI实现人像分割详解

    Python调用百度AI实现人像分割详解

    目录 一.原始视频截图 二.提取人像 三.和背景图合并 四.合成视频 一.原始视频截图 import cv2 cap=cv2.VideoCapture(r"[小仙若]shake it !冬日也要活力满满! (P1. shake it).mp4") ret,frame=cap.read() i =0 timeF=3 j=0 num=0 while 1: i=i+1 if (i%timeF==0): j=j+1 cv2.imwrite("./pictures/"+str

  • Python调用百度AI实现身份证识别

    Python调用百度AI实现身份证识别

    目录 一.安装baidu-aip模块 二.获取百度AI接口密钥 三.调用百度接口识别身份证 一.安装baidu-aip模块 按win+R打开cmd,在里面输入 pip3 install baidu-aip 若出现如下界面,即成功安装了baidu-aip模块: 如果想快速了解识别营业执照代码原理,可以跳过第二部分,先看第三部分的内容. 二.获取百度AI接口密钥 在应用python识别身份证的过程中,有三行代码使用了百度AI接口密钥,故先阐述如何获得该密钥.首先,进入如下百度AI官方网站:https

  • Python与AI分析时间序列数据

    Python与AI分析时间序列数据

    目录 简介 序列分析或时间序列分析的基本概念 安装实用软件包 Pandas hmmlearn PyStruct CVXOPT Pandas:处理,切片和从时间序列数据中提取统计数据 示例 处理时间序列数据 切片时间序列数据 提取来自时间序列数据的统计数据 平均值 最大值 最小值 一次性获取所有内容 重新采样 使用mean()重新采样 Re -sampling with median() 滚动平均值 通过隐马尔可夫分析顺序数据模型(HMM) 隐马尔可夫模型(HMM) 状态(S) 输出符号(O) 状

  • AI与Python人工智能启发式搜索概念理解

    目录 AI中的启发式搜索的概念 不知情和知情搜索之间的区别 不知情的搜索 知情搜索 约束满足问题(CSP) 约束满足解决现实问题 解决代数关系 魔术广场 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

  • 人工智能(AI)首选Python的原因解析

    人工智能(AI)首选Python的原因解析

    一.为何人工智能(AI)首选Python? 读完这篇文章你就知道了.我们看谷歌的TensorFlow基本上所有的代码都是C++和Python,其他语言一般只有几千行 .如果讲运行速度的部分,用C++,如果讲开发效率,用Python,谁会用Java这种高不成低不就的语言搞人工智能呢? Python虽然是脚本语言,但是因为容易学,迅速成为科学家的工具(MATLAB也能搞科学计算,但是软件要钱,且很贵),从而积累了大量的工具库.架构,人工智能涉及大量的数据计算,用Python是很自然的,简单高效. P

  • 为何人工智能(AI)首选Python？读完这篇文章你就知道了（推荐）

    为何人工智能(AI)首选Python?读完这篇文章你就知道了.我们看谷歌的TensorFlow基本上所有的代码都是C++和Python,其他语言一般只有几千行 .如果讲运行速度的部分,用C++,如果讲开发效率,用Python,谁会用Java这种高不成低不就的语言搞人工智能呢?Python虽然是脚本语言,但是因为容易学,迅速成为科学家的工具(MATLAB也能搞科学计算,但是软件要钱,且很贵),从而积累了大量的工具库.架构,人工智能涉及大量的数据计算,用Python是很自然的,简单高效.Python

  • 关于对python中进程的几个概念理解

    关于对python中进程的几个概念理解

    目录 进程 僵尸进程 孤儿进程 守护进程 互斥锁 总结 进程 第一,进程是一个容器.每一个进程都有它自己的地址空间,一般情况下,包括文本区域( text region).数据区域(data region)和堆栈(stack region). 文本区域存储处理器执行的代码;数据区城存储变量和进程执行期间使用的动态分配的内存;堆栈区域存储看活动过程调用的指令和本地变量. 第二,进程是一个"执行中的程序".程序是一个没有生命的实体,只有处理器赋予程序生命时(操作系统执行之),它才 能成为一个

  • Python人工智能语音合成实现案例详解

    Python人工智能语音合成实现案例详解

    目录 正文 一. 注册百度AI平台应用 二. 编写Python代码 正文 今天给大家介绍一下基于百度的AI语音技术SDK实现语音合成的案例,编程语言采用Python,希望对大家能有所帮助! 一. 注册百度AI平台应用 ai.baidu.com/ 首先登陆自己的百度账户,打开百度的AI开发平台页面 搜索找到离线语音合成,然后点击立即使用,进入百度智能云页面. 创建应用选择语音技术,默认为全部勾选 创建后可以在应用列表可以看到刚刚创建的语音应用. 主要信息是AppID.API Key.Secret

  • python的多重继承的理解

    python的多重继承的理解

    python的多重继承的理解 Python和C++一样,支持多继承.概念虽然容易,但是困难的工作是如果子类调用一个自身没有定义的属性,它是按照何种顺序去到父类寻找呢,尤其是众多父类中有多个都包含该同名属性. 对经典类和新式类来说,属性的查找顺序是不同的.现在我们分别看一下经典类和新式类两种不同的表现: 经典类: #! /usr/bin/python # -*- coding:utf-8 -*- class P1(): def foo(self): print 'p1-foo' class P2(

  • Python人工智能之路 jieba gensim 最好别分家之最简单的相似度实现

    简单的问答已经实现了,那么问题也跟着出现了,我不能确定问题一定是"你叫什么名字",也有可能是"你是谁","你叫啥"之类的,这就引出了人工智能中的另一项技术: 自然语言处理(NLP) : 大概意思就是 让计算机明白一句话要表达的意思,NLP就相当于计算机在思考你说的话,让计算机知道"你是谁","你叫啥","你叫什么名字"是一个意思 这就要做 : 语义相似度 接下来我们用Python大法来实

  • Python字典的概念及常见应用实例详解

    本文实例讲述了Python字典的概念及常见应用.分享给大家供大家参考,具体如下: 字典的介绍 字典的概念 字典的创建 1. 我们可以通过{}.dict()来创建字典对象. 2. 通过 zip()创建字典对象 3. 通过 fromkeys 创建值为空的字典 字典元素的访问 1. 通过 [键] 获得"值".若键不存在,则抛出异常. 2. 通过 get()方法获得"值".推荐使用.优点是:指定键不存在,返回 None:也可以设 3. 列出所有的键值对 4. 列出所有的键,

  • Python人工智能实战之对话机器人的实现

    Python人工智能实战之对话机器人的实现

    目录 背景 用到的技术 主要流程 代码模块 Joke对象 爬虫抓取笑话 代码实现 保存到sqlite数据库 抓取笑话并保存到数据库 背景 当我慢慢的开在高速公路上,宽敞的马路非常的拥挤!这时候我喜欢让百度导航的小度给我讲笑话,但她有点弱,每次只能讲一个. 百度号称要发力人工智能,成为国内人工智能的领军企业.但从小度的智商和理解能力上,我对此非常怀疑. 所以我们干脆用Python来开发一个可以讲笑话的机器人,可以自由定制功能,想讲几个笑话就讲几个笑话. 用到的技术 本文用到以下技术: 爬虫 - 抓

随机推荐