基于數(shù)據(jù)可視化處理的嵌入式智能查詢算法

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(zhǔn)則和相關(guān)技術(shù)。本文以交通線路自動(dòng)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(duì)數(shù)據(jù)進(jìn)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(diǎn)和邊線組成，節(jié)點(diǎn)通常畫作圓形，而邊線則是節(jié)點(diǎn)之間的連線。在軟件中，節(jié)點(diǎn)通常采用將邊線作為指針或數(shù)組下標(biāo)的數(shù)據(jù)結(jié)構(gòu)加以實(shí)現(xiàn)。對(duì)圖形進(jìn)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(diǎn)一直查詢到最遠(yuǎn)端的葉節(jié)點(diǎn)，再查詢下一個(gè)葉節(jié)點(diǎn)；寬度優(yōu)先算法則首先查詢一個(gè)邊線距離以內(nèi)的所有節(jié)點(diǎn)，再查詢兩個(gè)邊線距離以內(nèi)的節(jié)點(diǎn)，以此類推。

上述算法之所以具有盲目性，是因?yàn)樗惴ㄔ诓樵冞m當(dāng)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(gè)節(jié)點(diǎn)，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(dòng)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(jì)一個(gè)遍歷整個(gè)公路段的網(wǎng)絡(luò)系統(tǒng)中，假定存在一個(gè)自動(dòng)垃圾收集站系統(tǒng)、運(yùn)動(dòng)攝像機(jī)或自動(dòng)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?jiǎng)?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(diǎn)。如果其他標(biāo)志不甚明顯，那么道路交叉口就可選擇為節(jié)點(diǎn)。隨著這些節(jié)點(diǎn)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(biāo)靜態(tài)表示。

下一步是添加系統(tǒng)進(jìn)行智能決策所需的額外信息。如果系統(tǒng)的目標(biāo)是幫助車輛選擇最佳的路徑而從一個(gè)交叉口駛向另一交叉口，很自然地就會(huì)想到為那些連接交叉口的公路段分配權(quán)值。在最簡(jiǎn)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(shí)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(kuò)展到這些真實(shí)環(huán)境中去。

對(duì)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。基于特定時(shí)段或局域條件的動(dòng)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(shí)穿過道路的平均車流量，這些統(tǒng)計(jì)數(shù)據(jù)并不基于任何實(shí)際的數(shù)據(jù)，但在分析中相當(dāng)有效。如果車輛必須從Scott和Jackson交叉口(節(jié)點(diǎn)5)行駛到Fillmore和Vallejo交叉口(節(jié)點(diǎn)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(jì)算機(jī)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(adjacency

list)。鄰接矩陣是靜態(tài)的多維陣列，矩陣中的元素表示一個(gè)節(jié)點(diǎn)到另一節(jié)點(diǎn)的權(quán)值。圖2顯示了示例網(wǎng)絡(luò)中包含節(jié)點(diǎn)1至節(jié)點(diǎn)6之間邊線權(quán)值的部分鄰接矩陣。節(jié)點(diǎn)1和節(jié)點(diǎn)6之間的邊線權(quán)值位于最右角(對(duì)應(yīng)點(diǎn)位于左下角)。圖2中36個(gè)節(jié)點(diǎn)的公路網(wǎng)絡(luò)的整個(gè)鄰接矩陣可包含36個(gè)元素。

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

對(duì)鄰接矩陣和鄰接表進(jìn)行選擇時(shí)，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(shì)在于可以直接取得權(quán)值，而無須進(jìn)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(fèi)。

3。如果需要實(shí)時(shí)地添加和刪除節(jié)點(diǎn)或邊線，則采用鄰接表。當(dāng)然，這時(shí)也需要系統(tǒng)具有動(dòng)態(tài)內(nèi)存管理能力。

直觀推斷

如果根據(jù)每個(gè)節(jié)點(diǎn)出口的最小權(quán)值進(jìn)行“盲目”查詢，那么很有可能會(huì)走錯(cuò)路，甚至永遠(yuǎn)無法到達(dá)目的地。更為智能的查詢應(yīng)能根據(jù)直觀推斷進(jìn)行構(gòu)建，并且直觀推斷應(yīng)能在大多數(shù)時(shí)間內(nèi)成為查詢的常規(guī)指南。我們通常將其稱為經(jīng)驗(yàn)規(guī)則。生活中最簡(jiǎn)單的經(jīng)驗(yàn)是：“因?yàn)楝F(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(huì)下雨，但這樣的條件下下雨的可能性遠(yuǎn)遠(yuǎn)高于正常天氣。

直觀推斷也是實(shí)現(xiàn)高速有效查詢的一個(gè)重要策略。如果尚未打定主意，最初可以選定一個(gè)不怎么適當(dāng)、甚至大錯(cuò)特錯(cuò)的值。對(duì)于公路遍歷問題而言，一種可能的直觀推斷是：“當(dāng)一個(gè)節(jié)點(diǎn)存在兩個(gè)(或更多)等權(quán)值的邊線時(shí)，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(diǎn)15就出現(xiàn)了這樣的情形，該節(jié)點(diǎn)的出口存在兩個(gè)權(quán)值為15的邊線。利用寬度優(yōu)先查詢，對(duì)下一節(jié)點(diǎn)及其出口邊線的權(quán)值進(jìn)行檢測(cè)。下一級(jí)節(jié)點(diǎn)為14和20，這兩個(gè)節(jié)點(diǎn)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(diǎn)14繼續(xù)查詢，這完全合乎情理；因此節(jié)點(diǎn)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(shí)質(zhì)。對(duì)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(jiǎn)單易行，但背離了查詢的基線準(zhǔn)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(dāng)前最為廉價(jià)的路徑進(jìn)行查詢。這并不能保證得到有效的解決方案，甚至有時(shí)會(huì)得到不怎么優(yōu)化的路徑。當(dāng)詢及為何選擇最終被證明是錯(cuò)誤的路徑時(shí)，貪婪算法或許會(huì)回答：“在當(dāng)時(shí)，這看起來是個(gè)不錯(cuò)的選擇。”