广工人工智能2014复习大纲详解.ppt

人工智能复习大纲 ——马少平，朱小燕编著 课程重点章节介绍 本教材共分7章，其中第0章，第1.2~1.4章，第2章，第3.2~3.4章，第4.1~4.4章，第6.1~6.6章，第7.4为重点章节。 本课程重点和难点内容简介 第0章人工智能的定义，人工智能三种主要学派及其主要观点，人工智能的应用领域 人工智能的定义 定义1 智能思考机器 能够像人一样进行一些与心智能力相关的思维活动。 定义2 智能行动机器 能够像人一样执行某些需要智能才能完成的功能。 目前人工智能的主要学派 符号主义 ?认为人工智能源于数理逻辑。 连接主义 认为人工智能源于仿生学，特别是人脑模型的研究。 行为主义 ?认为人工智能源于控制论。 符号主义 认为人是一个物理符号系统，计算机也是一个物理符号系统，因此，能够用计算机来模拟人的智能行为，即用计算机的符号操作来模拟人的认知过程。 认为人工智能的研究方法应为功能模拟方法。通过分析人类认知系统所具备的功能和机能，然后用计算机模拟这些功能，实现人工智能。 连接主义 认为人的思维基元是神经元，而不是符号处理过程。它对物理符号系统假设持反对意见，认为人脑不同于电脑，并提出联结主义的大脑工作模式，用于取代符号操作的电脑工作模式。 认为人工智能的研究方法应为结构模拟方法。通过分析人脑的生理结构和工作机理 ，然后用计算机模拟这些结构与机理，实现人工智能。 行为主义 认为智能取决于感知和行为，取决于对外界复杂环境的适应，而不是知识表示和推理，提出智能行为的“感知－动作”模式。 认为人工智能的研究方法应采用行为模拟方法，模拟人在控制过程中的智能活动和行为特性（自寻优，自适应，自学习），强调“现场AI”。 第1章 搜索问题 图搜索的一般技术  回溯策略；无信息图搜索技术，包括深度优先、宽度优先搜索；启发式图搜索技术，包括爬山法、分支界限法、动态规划法(均一代价法)、最佳优先搜索、A*算法等的计算。 图搜索技术的分类 盲目搜索——未使用启发性信息 搜索过程无须对OPEN表进行重排，如：宽度优先搜索、深度优先搜索。 启发式搜索——使用了启发信息 搜索过程需要对OPEN表重排，如：爬山法、分支界限法、动态规划法(均一代价法)、最佳优先搜索法、A*算法等。 宽度优先搜索与深度优先搜索的主要区别 每次新生成节点时，宽度优先搜索总是将其插入OPEN表的末尾，而深度优先搜索总是将其插入到OPEN表的前头。 爬山法 爬山法是一种局部搜索方法，通过评价当前节点的各个子节点与目标的距离h(n)，然后优先选取距离最短的子节点，作为下一步搜索的方向。 分支界限法 分支界限法则评价初始点到当前节点的各个子节点的耗散值g(n)，然后按照最小耗费优先的方式，选择下一步搜索的子节点。 缺点：要存储很多分支结点的界限和对应的耗费矩阵，花费很多内存空间。 动态规划法 在分支界限法得出的各种可能的局部解中，根据最小耗散值原则，舍弃那些肯定不能得到最优解的局部解，以节约存储空间，提高搜索效率。 最佳优先搜索算法 是“爬山法”的推广，但它是对OPEN表中所有节点的h(n)进行重排，因此是一种全局寻优法。 A算法 A算法对当前节点n的评价函数f(n)分为两部分： 从初始点到n的耗散值g(n) 从n到达目标点的距离值h(n)。 f(n)=g(n)+h(n) A*算法 在A算法中，如果满足条件： h(n)≤h*(n)， g*(n) ≤ g(n) 则A算法称为A*算法。 即 f*(n)=g*(n)+h*(n) 对右图所示的状态空间图进行： 1)深度优先搜索; 2)宽度优先搜索； 3)动态规划(均一代价)搜索； 4) 最佳优先搜索； 5) A*搜索。 其中A为起始节点，E为目标节点，各节点的启发值表示在括号内。 1) 深度优先搜索算法 2) 宽度优先搜索算法 3) 动态规划(均一代价)搜索算法 4) 最佳优先搜索算法 5) A*算法 第2章 与或图搜索问题 在用某一中方法求解问题时，可能需要求解几个子问题，这些子问题必须全部求解，才能求解原始问题。这些“子”问题间的关系，就是“与”的关系，此类问题可用与或图来表示。 耗散值的计算 k(n, N) = Ci+k(n1, N)+…+k(ni, N) 其中：N为终节点集 Ci为连接符的耗散值 图2.2 n0→{n7，n8}的3个解图 能解节点 终节点是能解节点 若非终节点有“或”子节点时，当且仅当其子节点至少有一能解时，该非终节点才能解。 若非终节点有“与”子节点时，当且仅当其子节点均能解时，该非终节点才能解。 不能解节点 没有后裔的非终节点是不能解节点。 若非终节点有“或”子节点，当且仅当