人工智能学习(1)--回溯策略：
回溯策略：
通过对回溯策略的学习后,可以看出求解过程种呈现出递归过程的性质,因此用递归算法描述回溯控制下的产生式系统能抓住特点,简单有效.
1..实现回溯策略的有效方式是应用的递归过程去支持搜索和回溯。
令PATH、SNL、n、n' 为局部变量:
· PATH--节点列表，指示解答路径；
· SNL--当前节点扩展出的子节点列表；
MOVE-FIRST(SNL)--把SNL表首的节点移出，作为下一次要加以扩展的节点；
· n、n'--分别指示当前考察和下一次考察的节点。
该递归过程的算法就取名为BACKTRACK(n),参数n为当前被扩展的节点，算法的初次调用式是BACKTRACK(s),s即为初始状态节点。算法的步骤如下：
（1） 若n是目标状态节点，则算法的本次调用成功结束，返回空表；
（2） 若n是失败状态，则算法的本次调用失败结束，返回'FAIL'；
（3） 扩展节点n，将生成的子节点置于列表SNL，并按评价函数f(k) = h(k)的值从小到大排序（k指示子节点）；
（4） 若SNL为空，则算法的本次调用失败结束，返回'FAIL'；
（5） n'= MOVE-FIRST(SNL)；
（6） PATH = BACKTRACK(n')；
（7） 若PATH ='FAIL', 返回到语句（4）；
（8） 将n'加到PATH表首，算法的本次调用成功结束，返回PATH。
该递归回溯算法中，失败状态通常意指三种情况：（1）不合法状态（如传教士和野人问题中所述的那样），（2）旧状态重现（如八数码游戏中某一棋盘布局的重现，会导致搜索算法死循环），（3）状态节点深度超过预定限度（例如八数码游戏中，指示解答路径不超过6步）。失败状态实际上定义了搜索过程回溯的条件；另一种回溯条件是搜索进入"死胡同"，由该算法的第(4)句定义。由于回溯是递归算法，解答路径的生成是从算法到达目标状态后逆向进行的，首先产生空表，然后每回到算法的上一次调用就在表首加入节点n'，直到顶层调用返回不包含初始状态节点s的解答路径。
影响回溯算法效率的关键因素是回溯次数。鉴于回溯是搜索到失败状态时的一种弥补行为，只要能准确地选择下一步搜索考察的节点，就能大幅度减少甚至避免回溯。所以，设计好的启发式函数h(n)是至关重要的。
