人工智能考试整理资料.docVIP

智能定义（知识阈值理论） 智能就是在巨大的搜索空间中迅速找到一个满意解的能力 智能的综合性定义智能是知识和智力的总和。其中知识是智能行为的基础。 智能的特征 一、综合数据库 {x} ：其中x为字符 二、规则集 IF A∧B THEN C IF A∧C THEN D IF B∧C THEN G IF B∧E THEN F IF D THEN E 三、控制策略 顺序排队 四、初始条件 {A,B} 五、结束条件： 例2 八数码游戏 问题：一个3×3棋盘有八张牌1,2，…8 及一个空格，空格周围的牌可以向空格移动。 求解：给定一个初始状态s一个目标状态G，求S到G的走步序列。 产生式系统的基本控制策略 概括的讲：产生式系统控制策略---搜索 1）不可撤回方式 2）试探性方式 a 回溯方式（Backtracking） b 图搜索方式（Graph search） 1.不可撤回方式 基本策略：选择规则时只依靠局部知识（信息），而不考虑是否全局最佳选择，只能满足局部优化条件，用过的规则不再撤回。 特点： a 方法简单，容易实现 b 具有一定的局限性，适用范围小（只可用于单极值情况） c 可能会造成规则的多次重复使用。 比如：‘爬山算法’，不可用于解决多极值问题。 关于 局部知识的利用 ：设计局部评价函数W(n),根据W(n)最大为原则来选择规则。 例：八数码问题 设：- W(n):不在位的数码个数 n：任意状态 目标状态：- W(n)=0 （每个数码就位） 最不利状态- W(n)= -8 （每个数码都不在规定的位置） 2.回溯方式 基本策略： 试探性的选择一条规则，如果发现此规则不合适，则退回去另选其他规则。关键在于回溯条件的设定。 特点： a 实用性好(相对不可回撤方式) b 适用范围较大，在一定程度上能避免盲目性 c 可解决局部极值问题 设计方法： a 确定合适的回溯条件 b 充分利用可用知识来排列规则，减少回溯次数 例：八数码游戏（主要讨论回溯条件） 回溯条件： a 新产生的状态已经在搜索过程中出现； b 应用规则的数量已经超过规定值(深度限制) c 当前状态，无可用规则 满足上述条件之一 则产生回溯，每次回溯一层。 图搜索方式 基本策略： 它是一种展开式搜索方法，把问题空间看成一张隐含图，从中搜索出一条解路径。 特点： a 实用性好 b 能保留完整的搜索树 c 对于解空间较大的问题而言，搜索代价较大。 例：八数码问题 这是一个典型的宽度优先策略，所以搜索代价比较大。 3.可分解产生式系统 定义：任何待求解的数据库都可以分解为若干个独立处理分量的产生式系统称为可分解产生式系统。 求解方法：将初始数据库分解为几个可独立处理的分量，用规则分别求解，生成新的数据库，再分解，再求解，知道结束。 可分解产生式系统的一般性算法： 1 DATA ←初始数据库 2{Di} ← DATA， Di库：独立的分量数据库 3 until {Di} 的所有元素都满足结束条件之前，do： 4 begin 5 从 {Di} 中选择一个不满足结束条件的D* 6 把D*从{Di} 中删除 7 从规则集R中选一条可用于D*的规则r，设D是人应用于D*的结果是D的分解式。 8 在 {Di} 添加di 9 end AI领域的知识分类 a 陈述性知识：用于描述综合数据库的状态。（如事实等） b 过程性知识：用于规则中表达问题的知识.（如客观规律等） c 控制性知识：用于构成控制策略的知识（算法、数据结构等） AI系统的一个难题：知识表达问题，要能够客观的描述现实，简化求解过程，有效的提高求解效率，降低求解代价。 产生式系统的搜索策略 状态空间：由给定问题的所有可能的状态组成的空间（相当于全集G） 搜索空间：按某种策略在状态空间中选取的部分空间（G的子集） 解路径（解空间）：求解问题的一条有效路径。 搜索策略的基本思路：搜索空间必须包含解路径，如果问题有解，且尽量缩小搜索空间。 搜索策略的评价准则：总体费用最低 费用的划分： a 规则应用的费用：执行规则时所花的费用 b 控制费用：选择规则所花的费用。 1.回溯策略 2.图搜索策略 3.启发式图搜索策略1）A算法2）爬山算法3）分支界限算法4）动态规划算法5）A*算法 6）h函数与A*的关系7