人工智能复习资料(手工整理版).docVIP

第一章 人工智能的定义（能力）人工智能的研究目标 专家系统的构建步骤：（1）设计初始知识库 （2）原型机的开发与试验 （3）知识库的改进与归纳 基于规则的专家系统的优缺点 优点：自然表达、知识模块性、控制与知识分离、易于扩展、智能成比例增长、相关知识的使用、从严格语法获取解释、一致性检查、启发性知识的使用、不确定知识的使用、可以合用变量。 缺点：必须精确匹配、有不清楚的规则关系、具有大量规则的专家系统可能慢、对一些问题不适用。 基于框架专家系统：继承、槽、方法 继承：后辈框架呈现其父辈框架的特征的过程。 槽：框架属性有关的扩展知识。 方法：附加到对象中需要时执行的过程。 知识发现的定义 数据库中的知识发现是从大量数据中辨识出有效的、新颖的、潜在有用的、并可被理解的模式的高级处理过程。 第七章 机器人的定义、发展历程（三代）、制造原则、主要构成 机器人是一种能模拟人的行为的机械。 发展历程：第一代（程序控制）机器人；第二代（自适应）机器人；第三代（智能）机器人。 制造原则：（1）机器人不应该伤害人类； （2）机器人应遵守人类的命令，与第一条违背的命令除外； （3）机器人应能保护自己，与第一条相抵触者除外。 构成：（1）机器人本体：机械本体、运动动力系统； （2）机器人控制系统：主控系统、感知系统。 Agent的基本特征、BDI模型*、Agent的工作过程图 基本特征： (1) 自主性 亦称自治性，即能够在没有人或别的Agent的干预下，主动地自发地控制自身的行为和内部状态，并且还有自己的目标或意图。 (2) 反应性 即能够感知环境，并通过行为改变环境。 (3) 适应性 即能根据目标、环境等的要求和制约作出行动计划，并根据环境的变化，修改自己的目标和计划。 (4) 社会性 即多个Agent在同一环境中协同工作。 Agent的类型、与专家系统和对象的区别 类型：（1）反应式Agent；（2）慎思式Agent；（3）跟踪式Agent；（4）基于目标的Agent；（5）基于效果的Agent；（6）复合式Agent。 与对象的区别：（1）自治程度不同；（2）灵活的（反应的、主动的、社会的）自治行为的能力；（3）控制线程不同； 与专家系统的区别：（1）专家系统是与现实分离的；（2）专家系统一般不能采用反应的、主动式的行为；（3）专家系统一般没有社会行为能力，不能进行合作、协调和协商。 Agent通信机制：黑板和消息对话 黑板： 在多Agent系统中，黑板提供了一个公共的工作区，供Agent交换信息。 一个Agent在黑板中写入信息，该信息就可以为系统中其他Agent所使用。各个Agent可以在任何时候访问黑板，查询是否有新的信息。 在黑板系统中，Agent之间不进行直接通信，每个Agent独立完成各自求解的子问题 黑板结构可用于任务共享系统和结果共享系统。 消息对话： 消息/对话通信是实现灵活和复杂的协调策略的基础。各个Agent使用规定的协议相互交换信息，用于建立通信和协调机制。 在面向消息的多Agent系统中，发送Agent直接把特定的消息发送至另一个接收Agent。与黑板系统不同，Agent之间的消息是直接交换，没有中间缓冲区。 一般地，发送Agent要为消息制定唯一的地址，只有该地址的Agent才能读取该消息。 为了支持协作策略，通信协议必须明确规定通信过程和消息格式，并选择通信语言。每个Agent必须知道通信语言的语义。 多Agent系统：特征、协调、协作 特征： (1) 每个Agent拥有解决问题的不完全的信息或能力； (2) 没有系统全局控制； (3) 数据是分散的； (4) 计算是异步的。 协调是指一组智能Agent完成一些集体活动时相互作用的性质。协调是对环境的适应。 协作是非对抗的Agent之间保持行为协调的一个特例。它通过适当的协调，合作完成共同的目标。