啟發式搜尋在人工智慧中起著關鍵作用。 在本章中，我們來詳細地了解它。
啟發式是一條經驗法則，它將我們引向可能的解決方案。 人工智慧中的大多數問題具有指數性，並且有許多可能的解決方案。並不確切知道哪些解決方案是正確的，檢查所有解決方案會非常昂貴。
因此，啟發式的使用縮小了搜尋解決方案的範圍並消除了錯誤的選項。 啟發式引導搜尋空間中的搜尋的方法稱為啟發式搜尋。 啟發式技術非常有用，因為使用它們時可以提高搜尋效率。
有兩種控制策略或搜尋技術:不知情和知情。這裡給出的詳細解釋如下 -
不知情的搜尋
它也被稱為盲搜尋或盲控制策略。 它的命名是因為只有關於問題定義的資訊，並且沒有關於狀態的其他額外資訊。 這種搜尋技術將搜尋整個狀態空間以獲得解決方案。 廣度優先搜尋(BFS)和深度優先搜尋(DFS)是非資訊搜尋的範例。
知情搜尋
它也被稱為啟發式搜尋或啟發式控制策略。 它的名字是因為有一些額外的狀態資訊。 這些額外的資訊對計運算元節點之間的偏好以便探索和擴充套件很有用。 將會有與每個節點相關的啟發式功能。 Best First Search(BFS)，A *，Mean和Analysis是知情搜尋的例子。
約束滿足問題(CSP)
約束意味著限制或限制。 在人工智慧中，約束滿足問題是一些約束條件下必須解決的問題。 重點必須是在解決這些問題時不要違反約束條件。 最後，當我們達成最終解決方案時，CSP必須遵守限制。
前面的部分涉及建立約束滿足問題。 現在將它應用於現實世界的問題。 通過約束滿足解決的現實世界問題的一些例子如下 -
解決代數關係
在約束滿足問題的幫助下，可以求解代數關係。 在這個例子中，我們將嘗試解決一個簡單的代數關係a * 2 = b。 它會在我們定義的範圍內返回a和b的值。
完成此Python程式後，您將能夠理解解決約束滿足問題的基礎知識。
請注意，在編寫程式之前，需要安裝名為python-constraint的Python包。使用以下命令安裝它 -
pip install python-constraint
以下步驟向您展示了一個使用約束滿足來解決代數關係的Python程式。
使用以下命令匯入約束包 -
from constraint import *
現在，建立一個名為problem()的模組物件，如下所示 -
problem = Problem()
現在，定義變數。請注意，這裡有兩個變數a和b，並且將定義10為它們的範圍，這意味著在前10個數位範圍內得到解決。
problem.addVariable('a', range(10))
problem.addVariable('b', range(10))
接下來，定義應用於這個問題的特定約束。 請注意，這裡使用約束a * 2 = b。
problem.addConstraint(lambda a, b: a * 2 == b)
現在，使用以下命令建立getSolution()模組的物件 -
solutions = problem.getSolutions()
最後，使用以下命令列印輸出 -
print (solutions)
可以觀察上述程式的輸出如下 -
[{'a': 4, 'b': 8}, {'a': 3, 'b': 6}, {'a': 2, 'b': 4}, {'a': 1, 'b': 2}, {'a': 0, 'b': 0}]
魔幻正方形
一個神奇的正方形是一個正方形網格中不同數位(通常是整數)的排列，其中每行和每列中的數位以及對角線上的數位加起來就是所謂的「魔術常數」。
以下是用於生成幻方的簡單Python程式碼的逐步執行 -
定義一個名為magic_square的函式，如下所示 -
def magic_square(matrix_ms):
iSize = len(matrix_ms[0])
sum_list = []
以下程式碼顯示了垂直方塊的程式碼 -
for col in range(iSize):
sum_list.append(sum(row[col] for row in matrix_ms))
以下程式碼顯示了水平方塊的程式碼 -
sum_list.extend([sum (lines) for lines in matrix_ms])
水平方塊的程式碼實現 -
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
現在，給出矩陣的值並檢視輸出結果 -
print(magic_square([[1,2,3], [4,5,6], [7,8,9]]))
可以觀察到由於總和未達到相同數位，輸出將為False。
print(magic_square([[3,9,2], [3,5,7], [9,1,6]]))
可以觀察到輸出將為True，因為總和是相同的數位，即15。