一种aigc语境下的搜索方法

技术领域

本发明涉及智能搜索技术领域，具体为一种aigc语境下的搜索方法。

背景技术

AIGC，全名“AIgeneratedcontent”，又称生成式AI，意为人工智能生成内容，例如AI文本续写，文字转图像的AI图、AI主持人等，都属于AIGC的应用。

当问题不能由单次行为解决时，智能体需要采取多样的行为，每当智能体进行过一次行为之后，周围环境便会发生改变，智能体便需要重新收集感官信息，并在自己的行为序列中，选择与当前的感官信息所对应的行为，但是，当行为序列中的行为过多时，选择行为可能会变成一件很困难的事情，为此，我们需要运用到搜索算法来解决问题。

但是目前的搜索方法往往过于单一，针对问题搜索时不够全面，无法针对不同需求进行变化搜索。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了一种aigc语境下的搜索方法，具备可以提高搜索方法的多样性等优点，解决了上述技术的问题。

技术方案

为实现上述目的，本发明提供如下技术方案：一种aigc语境下的搜索方法，包括以下步骤：

Ⅰ、问题的形式化：

1、初始状态：了解智能体现在处于什么样的初始状态；

2、行动：在状态之下，我们可以采取的行动列表；

3、转移模型：在状态之下，我们可以采取的行动列表；

4、目标测试：通过某种方式来辨别智能体当前所处的状态是否就是目标状态；

5、路径耗散：在状态空间里，路径便代表解决问题的方法，所以路径耗散就是指路径的资源耗散值，专业的说法是—边加权；

Ⅱ、无信息搜索：

1、广度优先搜索：其别名又叫BFS，属于一种盲目搜寻法，目的是系统地展开并检查图中的所有节点，以找寻结果，它并不考虑结果的可能位置，彻底地搜索整张图，直到找到结果为止；

2、一致代价搜索：宽度优先搜索(BFS)只在每步代价-样时才是最优的，如按照结点深度来搜索,每一层其代价都是1，但是如每步代价不一样，BFS就不是最优了，这时就要构造一个行动代价函数,这就是一致代价搜索(后称UCS)，UCS与BFS有两点不一样；

3、深度优先搜索：深度优先搜索算法(简称DFS)是一种用于遍历或搜索树或图的算法，沿着树的深度遍历树的节点，尽可能深的搜索树的分支，当节点的所在边都己被探寻过，搜索将回溯到发现节点的那条边的起始节点，这一过程一直进行到已发现从源节点可达的所有节点为止，如果还存在未被发现的节点，则选择其中一个作为源节点并重复以上过程，整个进程反复进行直到所有节点都被访问为止，属于盲目搜索；

4、双向搜索：从初始状态和目标状态两边开始，同时进行搜索算法。若两条搜索路径最终会触碰到一起，我们就认为我们找到了一条解决问题的路径；

Ⅲ、启发式搜索：所谓的启发式搜索，就是指我们在搜索的过程中，总能得到一些启发式的信息，这些信息可以启示我们下一次搜索该往哪个方向进行，局部搜索是一种近似算法，是一种简单的贪心搜索算法，该算法每次从当前解的邻域解空间中选择一个最好邻居作为下次迭代的当前解，直到达到一个局部最优解。

优选的，初始状态所能够达到的所有状态的集合。

优选的，目标结点检测应于被选择扩展时，原因是第一个生成的目标结点也许是次优的；如果在扩展时发现有更好的路径到达目标，那将替换掉它；UCS使用优先级队列，而BFS使用一般队列即可。

优选的，深度优先搜索是图论中的经典算法，利用深度优先搜索算法可以产生目标图的相应拓扑排序表，利用拓扑排序表可以方便的解决很多相关的图论问题。

优选的，局部搜索从一个初始解出发，然后搜索解的邻域，如有更优的解则移动至该解并继续执行搜索，否则就停止算法获得局部最优解。

与现有技术相比，本发明提供了一种aigc语境下的搜索方法，具备以下

有益效果：

该aigc语境下的搜索方法，通过无信息搜索中叙述的广度优先搜索、一致代价搜索、度优先搜索和双向搜索，以及所说的启发式搜索，通过上述叙述的搜索方式，从而可以达到提高搜索方法的多样性的作用。

具体实施方式

实施例一

一种aigc语境下的搜索方法，包括以下步骤：

Ⅰ、问题的形式化：

1、初始状态：了解智能体现在处于什么样的初始状态；

2、行动：在状态之下，我们可以采取的行动列表；

3、转移模型：在状态之下，我们可以采取的行动列表；

4、目标测试：通过某种方式来辨别智能体当前所处的状态是否就是目标状态；

5、路径耗散：在状态空间里，路径便代表解决问题的方法，所以路径耗散就是指路径的资源耗散值，专业的说法是—边加权；

Ⅱ、无信息搜索：

1、广度优先搜索：其别名又叫BFS，属于一种盲目搜寻法，目的是系统地展开并检查图中的所有节点，以找寻结果，它并不考虑结果的可能位置，彻底地搜索整张图，直到找到结果为止；

2、一致代价搜索：宽度优先搜索(BFS)只在每步代价-样时才是最优的，如按照结点深度来搜索,每一层其代价都是1，但是如每步代价不一样，BFS就不是最优了，这时就要构造一个行动代价函数,这就是一致代价搜索(后称UCS)，UCS与BFS有两点不一样；

3、深度优先搜索：深度优先搜索算法(简称DFS)是一种用于遍历或搜索树或图的算法，沿着树的深度遍历树的节点，尽可能深的搜索树的分支，当节点的所在边都己被探寻过，搜索将回溯到发现节点的那条边的起始节点，这一过程一直进行到已发现从源节点可达的所有节点为止，如果还存在未被发现的节点，则选择其中一个作为源节点并重复以上过程，整个进程反复进行直到所有节点都被访问为止，属于盲目搜索；

4、双向搜索：从初始状态和目标状态两边开始，同时进行搜索算法。若两条搜索路径最终会触碰到一起，我们就认为我们找到了一条解决问题的路径；

Ⅲ、启发式搜索：所谓的启发式搜索，就是指我们在搜索的过程中，总能得到一些启发式的信息，这些信息可以启示我们下一次搜索该往哪个方向进行，局部搜索是一种近似算法，是一种简单的贪心搜索算法，该算法每次从当前解的邻域解空间中选择一个最好邻居作为下次迭代的当前解，直到达到一个局部最优解。

初始状态所能够达到的所有状态的集合。

目标结点检测应于被选择扩展时，原因是第一个生成的目标结点也许是次优的；如果在扩展时发现有更好的路径到达目标，那将替换掉它；UCS使用优先级队列，而BFS使用一般队列即可。

深度优先搜索是图论中的经典算法，利用深度优先搜索算法可以产生目标图的相应拓扑排序表，利用拓扑排序表可以方便的解决很多相关的图论问题。

局部搜索从一个初始解出发，然后搜索解的邻域，如有更优的解则移动至该解并继续执行搜索，否则就停止算法获得局部最优解。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。