嵌入式智能查詢算法中利用圖形對數(shù)據(jù)進行可視化處理

數(shù)據(jù)在許多研究領(lǐng)域都可采用圖形來表示，圖形和圖形理論為人工智能決策提供了有效的可視化工具、體系化準則和相關(guān)技術(shù)。本文以交通線路自動調(diào)整系統(tǒng)為例，說明在嵌入式智能查詢算法中如何利用圖形對數(shù)據(jù)進行可視化處理的方法來避免“盲目”操作，從而提高算法的決策效率。

圖形由節(jié)點和邊線組成，節(jié)點通常畫作圓形，而邊線則是節(jié)點之間的連線。在軟件中，節(jié)點通常采用將邊線作為指針或數(shù)組下標的數(shù)據(jù)結(jié)構(gòu)加以實現(xiàn)。對圖形進行遍歷查詢的算法有多種，常用的算法包括深度優(yōu)先查詢和寬度優(yōu)先查詢算法。深度優(yōu)先和寬度優(yōu)先都屬于“盲目”查詢算法，深度優(yōu)先算法沿著一組邊線從根節(jié)點一直查詢到最遠端的葉節(jié)點，再查詢下一個葉節(jié)點；寬度優(yōu)先算法則首先查詢一個邊線距離以內(nèi)的所有節(jié)點，再查詢兩個邊線距離以內(nèi)的節(jié)點，以此類推。
上述算法之所以具有盲目性，是因為算法在查詢適當解決方案的過程中并未指示任何有效信息，而只是盲目地遵循遍歷算法，甚至有可能在找到解決方案之前需要遍歷每一個節(jié)點，因而效率比較低。本文介紹的基于數(shù)據(jù)可視化處理的嵌入式智能查詢算法以車輛行駛線路自動調(diào)整系統(tǒng)為例來說明解決上述問題的思路。

車輛導(dǎo)航

在設(shè)計一個遍歷整個公路段的網(wǎng)絡(luò)系統(tǒng)中，假定存在一個自動垃圾收集站系統(tǒng)、運動攝像機或自動交通線路調(diào)整系統(tǒng)。圖1顯示了舊金山的部分城市交通圖。首先，需要創(chuàng)建代表上述數(shù)據(jù)的網(wǎng)絡(luò)圖，以確定將哪些單元作為節(jié)點。如果其他標志不甚明顯，那么道路交叉口就可選擇為節(jié)點。隨著這些節(jié)點的插入，就完成了網(wǎng)絡(luò)圖的一部分，不過目前得到的只是城市交通圖的無目標靜態(tài)表示。

下一步是添加系統(tǒng)進行智能決策所需的額外信息。如果系統(tǒng)的目標是幫助車輛選擇最佳的路徑而從一個交叉口駛向另一交叉口，很自然地就會想到為那些連接交叉口的公路段分配權(quán)值。在最簡單的情形中，所有的道路都不是單行道，并且具有相同的速度限制和車道數(shù)目。即便這些條件不能完全反映真實的道路狀況，一旦構(gòu)建好網(wǎng)絡(luò)圖和權(quán)值模型，就能很容易擴展到這些真實環(huán)境中去。

對交通圖中的邊線賦以權(quán)值有助于系統(tǒng)找到最佳的路徑。在某種程度上，這些權(quán)值可以任意分配，這里假定權(quán)值表征平均車流密度?；谔囟〞r段或局域條件的動態(tài)權(quán)值也是可行的，并不影響以下分析。

圖1中，邊線的權(quán)值表示了每小時穿過道路的平均車流量，這些統(tǒng)計數(shù)據(jù)并不基于任何實際的數(shù)據(jù)，但在分析中相當有效。如果車輛必須從Scott和Jackson交叉口(節(jié)點5)行駛到Fillmore和Vallejo交叉口(節(jié)點17)，采用最小車流量判據(jù)，得到的查詢算法應(yīng)能得到總權(quán)值最小的路徑。

我們很容易就能在網(wǎng)絡(luò)圖中畫出結(jié)果，但仍然希望能借助計算機解決問題。表征圖形的兩種最常用方法是鄰接矩陣(adjacencymatrix)和鄰接表(adjacencylist)。鄰接矩陣是靜態(tài)的多維陣列，矩陣中的元素表示一個節(jié)點到另一節(jié)點的權(quán)值。圖2顯示了示例網(wǎng)絡(luò)中包含節(jié)點1至節(jié)點6之間邊線權(quán)值的部分鄰接矩陣。節(jié)點1和節(jié)點6之間的邊線權(quán)值位于最右角(對應(yīng)點位于左下角)。圖2中36個節(jié)點的公路網(wǎng)絡(luò)的整個鄰接矩陣可包含36個元素。

鄰接表通常采用鏈表實現(xiàn)，圖3顯示了網(wǎng)絡(luò)中節(jié)點1至節(jié)點6的鄰接表。圖中并未標出邊線權(quán)值，但可以很方便地存儲在數(shù)據(jù)結(jié)構(gòu)中。

對鄰接矩陣和鄰接表進行選擇時，可以考慮如下因素：

1。如果網(wǎng)絡(luò)圖密集或較小，則用鄰接矩陣表示。鄰接矩陣的優(yōu)勢在于可以直接取得權(quán)值，而無須進行指針管理和鏈表遍歷。

2。如果網(wǎng)絡(luò)圖稀疏或很大，那么鄰接表可以減少內(nèi)存浪費。

3。如果需要實時地添加和刪除節(jié)點或邊線，則采用鄰接表。當然，這時也需要系統(tǒng)具有動態(tài)內(nèi)存管理能力。

直觀推斷

如果根據(jù)每個節(jié)點出口的最小權(quán)值進行“盲目”查詢，那么很有可能會走錯路，甚至永遠無法到達目的地。更為智能的查詢應(yīng)能根據(jù)直觀推斷進行構(gòu)建，并且直觀推斷應(yīng)能在大多數(shù)時間內(nèi)成為查詢的常規(guī)指南。我們通常將其稱為經(jīng)驗規(guī)則。生活中最簡單的經(jīng)驗是：“因為現(xiàn)在是4月且天空多云，所以需要帶上雨傘。”雖然4月份和天空多云并不意味著會下雨，但這樣的條件下下雨的可能性遠遠高于正常天氣。

直觀推斷也是實現(xiàn)高速有效查詢的一個重要策略。如果尚未打定主意，最初可以選定一個不怎么適當、甚至大錯特錯的值。對于公路遍歷問題而言，一種可能的直觀推斷是：“當一個節(jié)點存在兩個(或更多)等權(quán)值的邊線時，執(zhí)行寬度優(yōu)先查詢，然后繼續(xù)查詢總權(quán)值最小的路徑。”例如節(jié)點15就出現(xiàn)了這樣的情形，該節(jié)點的出口存在兩個權(quán)值為15的邊線。利用寬度優(yōu)先查詢，對下一節(jié)點及其出口邊線的權(quán)值進行檢測。下一級節(jié)點為14和20，這兩個節(jié)點出口邊線的權(quán)值分別為15和45。根據(jù)最小邊線判據(jù)，選擇節(jié)點14繼續(xù)查詢，這完全合乎情理；因此節(jié)點20將被拋棄。

某些直觀推斷看起來非常明顯，但即便是這些直觀推斷也有助于探尋待解決問題的實質(zhì)。對于公路遍歷問題，最基本的直觀推斷就是：“選擇具有最小邊線權(quán)值的路徑。”這簡單易行，但背離了查詢的基線準則。

遵循最小邊線權(quán)值的方法稱為“貪婪算法”(greedyalgorithm)，該算法以即刻滿意度為基礎(chǔ)。貪婪算法并不考慮以后的情況，而選擇當前最為廉價的路徑進行查詢。這并不能保證得到有效的解決方案，甚至有時會得到不怎么優(yōu)化的路徑。當詢及為何選擇最終被證明是錯誤的路徑時，貪婪算法或許會回答：“在當時，這看起來是個不錯的選擇。”

一些對人類而言相當明顯的直觀推斷對于機器則并非如此。例如直觀推斷“當節(jié)點存在兩個(或更多)等權(quán)值邊線時，將執(zhí)行寬度優(yōu)先查詢，然后繼續(xù)查詢總權(quán)值最小的路徑”，這本身并沒有問題，但還是存在一個問題。如果最小成本的路徑偏離了目標節(jié)點怎么辦？這樣選擇得到的或許是一條更為昂貴的路徑。由此可見，還必須了解從當前節(jié)點至目標節(jié)點的方向。以這種形式開發(fā)直觀推斷是展現(xiàn)待解決問題所需核心知識的良好途徑。

解決公路網(wǎng)絡(luò)導(dǎo)向問題的一個有效途徑是動態(tài)計算當前節(jié)點和目標節(jié)點之間的距離和方位。這要求得到每個節(jié)點的經(jīng)緯度數(shù)據(jù)，并對前進中的每一個節(jié)點進行浮點操作，因而極有可能是最不優(yōu)化的解決方案。更好的策略是根據(jù)經(jīng)緯度對之間的差異得到一套準則，這有助于提取最少準則所需的信息。

第一步必須明確方向和經(jīng)緯度之間的關(guān)系，圖4顯示了根據(jù)經(jīng)緯度差異得到的方向。

當向北方移動時，緯度將增加；向西方移動時，經(jīng)度增加；以此類推。從這些簡單的關(guān)系中可以看出，每個節(jié)點上完全可以去除許多不必要的操作。將以上知識與交通圖相結(jié)合，可以得到Scott和Jackson交叉口的起始緯度和經(jīng)度分別為N3747。514和W12226。356，而目標Fillmore和Vallejo交叉口則分別為緯度N3747。725和經(jīng)度W12226。002。根據(jù)圖4中的羅盤儀準則，現(xiàn)在目標交叉口位于起始交叉口的東北方向。

根據(jù)以上方向關(guān)系，可以得到如下六條準則：

準則1：如果緯度(目標)>緯度(現(xiàn)在狀態(tài))，那么目標為北方；
準則2：如果緯度(目標)<緯度(現(xiàn)在狀態(tài))，那么目標為南方；
準則3：如果緯度(目標)=緯度(現(xiàn)在狀態(tài))，那么目標為空；
準則4：如果經(jīng)度(目標)>經(jīng)度(現(xiàn)在狀態(tài))，那么目標為西方；
準則5：如果經(jīng)度(目標)<經(jīng)度(現(xiàn)在狀態(tài))，那么目標為東方；
準則6：如果經(jīng)度(目標)=經(jīng)度(現(xiàn)在狀態(tài))，那么目標為空；

可以將上述基本準則相結(jié)合以得到更為復(fù)雜的方向，如東北和西南。這只需要將基本準則通過"與"操作結(jié)合起來，這樣有效的組合如下：

規(guī)則1^規(guī)則4->目標為西南
規(guī)則1^規(guī)則5->目標為東北
規(guī)則1^規(guī)則6->目標為北
規(guī)則2^規(guī)則4->目標為西南
規(guī)則2^規(guī)則5->目標為東南
規(guī)則2^規(guī)則6->目標為南
規(guī)則3^規(guī)則4->目標為西
規(guī)則3^規(guī)則5->目標為東
規(guī)則3^規(guī)則6->目標為空

將基本準則和復(fù)雜準則結(jié)合起來就能得到成功的查詢方法。如果目標在當前節(jié)點的西北方向，那么向北方和東方移動是合法的。這里我認為應(yīng)該是：“如果目標在當前節(jié)點的東北方向，向北方和東方移動是合法的”，而向南方和西方移動則不合法。

當查詢到節(jié)點12，選擇的邏輯路徑則是從節(jié)點12至節(jié)點11并且權(quán)值為15的邊線。此時方向為北方，這看來是合法的，且邊線權(quán)值達到最小。其實這完全是錯誤的，因為查詢偏離了目標節(jié)點?，F(xiàn)在我們利用規(guī)則對查詢進行限定，節(jié)點12與節(jié)點17平行，因此準則3成立。此時經(jīng)度減少，因此規(guī)則5成立。如果規(guī)則3和規(guī)則5都成立，那么目標是正東方。規(guī)則基礎(chǔ)很好地完成任務(wù)：避免了“盲目”查詢或?qū)?ldquo;盲目”查詢進行導(dǎo)向。結(jié)果如圖5所示。


本文小結(jié)

如上所述，圖形表示法和盲目查詢算法本身并不足以解決大多數(shù)問題。但將這些技術(shù)同直觀推斷以及特定問題的規(guī)則集相結(jié)合，就像上面所做的那樣，就能得到有效的人工智能。類似的技術(shù)可應(yīng)用于諸多應(yīng)用領(lǐng)域。盡管本文的示例集中于靜態(tài)數(shù)據(jù)，但當邊線及邊線權(quán)值改變并且不能對規(guī)則進行硬編碼時，這里給出的技術(shù)仍然有效。

顯然，嵌入式系統(tǒng)通常受制于某些特殊限制。嵌入式編程中一般不允許遞歸算法，盡管這是圖形查詢算法中的一種常用技術(shù)。關(guān)鍵應(yīng)用中的嵌入式系統(tǒng)也不支持動態(tài)內(nèi)存分配，但如果沒有動態(tài)內(nèi)存分配的話，將很難在鏈表數(shù)據(jù)表示法中添加和刪除節(jié)點。出于以上考慮，可以得到如下嵌入式智能的應(yīng)用技巧：

1?？紤]將部分處理移交至功能更為強大的系統(tǒng)，也許嵌入式系統(tǒng)只需要解決部分需要快速解決的問題。

2。避免遞歸，任何遞歸函數(shù)都應(yīng)當用迭代函數(shù)進行重寫。

3。盡可能減小動態(tài)內(nèi)存分配。如果鏈表的長度相對保持恒定，就可用數(shù)組進行代替，使數(shù)組的大小等于鏈表的最大長度，一旦超過該最大長度就返回操作失敗。

4。將智能視為低能動物而非超級計算機，即將其想像為處理意外情況或干擾的低等動物形式。

5。最重要的是，有效地綜合“盲目”算法、“貪婪”算法和智能查詢算法。當然，也沒有任何規(guī)定限制只能采用一種方法解決需要利用智能的問題。