小练习.PDF

小练习 填充红, 绿, 或蓝 Sudoku 相邻颜色必须不同 1 2 1 3 4 1) 你的大脑是如何来解决这些问题的? 2) 你如何用搜索方法来解决这些问题(BFS, DFS, 等)? 人工智能导论： 约束满足问题 标准的 （一般的）搜索问题 标准的搜索问题: ◦ 状态是一个黑盒: 任意的数据结构（不知道是什么结构） ◦ 目标检测是一个在状态上的黑盒检测 ◦ 行动是黑盒数据结构 ◦ 转换模型是一个黑盒函数 这样的结果，对于每一新的问题，不得不： ◦ 编写新的程序 ◦ 重新设计新的启发信息，根据特定问题 ◦ 缺乏通用目的的启发式信息 解决方案: 对于状态，行动，目标使用形式化的表达。 表达法 搜索, CSPs, 规划, 一阶逻辑, 博弈问题 命题逻辑, 数据库, 贝叶斯网络, 神经网络 概率程序 两种主要的问题求解 规划: 解是一个行动序列 (或行动策略) ◦ 重要的是到目标状态的路径 ◦ 路径有不同的成本和探索深度 ◦ 和行动的顺序相关 鉴定: 对变量的配置 ◦ 路径不重要，目标状态本身重要 ◦ 约束满足问题是其中一类基本的问题 约束满足问题 （Constraint Satisfaction Problems/CSPs） 状态由若干个变量Xi 组成，每个变量有 一个取值域Di 目标测试是一套约束规则，规定了允许的 变量集合的取值组合 到目标的路径（变量赋值的顺序）不重要 其结果：  CSP算法比标准的搜索问题要快  启发信息可用于所有CSP 问题  解决新的问题不需要写新的代码 举例: 地图着色 变量: 值域: 约束: 临近区域必须有不同的颜色 隐式: 显示： 解是一组对所有变量的配值，其满足了所 有的约束，例如： 举例: N-皇后 问题描述方法1: ◦ 变量: ◦ 值域: ◦ 约束条件： 赋值选择空间： 2 2N 举例: N-皇后 描述方法2: ◦ 变量: ◦ 值域: ◦ 约束条件: 隐式表述: 彼此不威胁到对方 显式表述: 赋值探索空间 NN 哪一个更大? 2 2N vs NN 2 log2 2N vs log2 NN N2 vs N log N