搜索技術

當缺乏關於系統或這些參數的足夠知識時，很難直接達到目的，諸如在博弈、定理證明、問題求解之類情形。因此，搜索技術也是人工智能的一個重要內容。當待搜索方案的集合(稱為搜索空間)具有離散的樹狀結構的情形時，則可用啓發式的規則來加快搜索過程。常見的有深度優先極小化極大法和a-}3 法等。又當待搜索的是一維或多維空間中的數值二 (標量或矢量)時，則可以把搜索目標定義為使某個品質函數f (x)的值為最大。常見的困難在於f(二) 的構造太複雜或者不十分了解，常規的數學分析的方法難以運用。特別是當f <.x)具有多峯特性時，基於梯度駐點條件的方法都很難保證給出全局極大，而只能得到局部極大。除了最簡單的掃描搜索或盲目搜索外，有若干結構化的方法可以加速搜索過程，其中較重要的有斐波 ^[1]  那契搜索、隨機搜索等。