优·03 决策与规划.pptVIP

3.4 例子 知识表示是人工智能的基本问题之一，推理和搜索都与表示方法密切相关。 常用的知识表示方法有：逻辑表示法、产生式表示法、语义网络表示法、框架表示法、面向对象表示法等。 FIRA 中的例子 当前状态：“我”在A点，球在B点，其速度为V。 目标：尽快上前，经过1次击球，球以最大速度到C。 如何行动？ 分析：确定击球可能发生的时间是问题的关键。 搜索方法1（确定步伐）： 尝试：1s,2s,3s, ……, 之后，球员是否能够刚好到达合适的位置。 改变步伐算法描述：①step初值设置，一般为1；②如果要改变方向， step= step/2; ③如果不要改变方向， step= step*2; ④如果满意则完成，否则，转②. 子问题： 当前状态：“我”在A点。 目标：尽快上前到B，且到达B后运动速度向C。 如何行动？时间耗费多少？ ========= 方法1：查表。 方法2：数学函数计算法。 方法1：十字交叉法 在A点与B点连线的中点，作垂线，与目的方向BC交与X点，则射线AX为目前小车的前进的方向；动态地跟踪点X，即可以完成任务（到达B点，方向大约为BC）。 方法2： 如何行动？ r=abs(Q)/60+dist_to_key_point/6; Key_point.x= key_point.x+ r* cos(angle_ball_should*PI/180+PI-Q*PI/360); Key_point.y= key_point.y + r* sin(angle_ball_should*PI/180+PI-Q*PI/360 ); act_daoda(no,Key_point,125); 时间耗费 时间耗费因素： 行动方式； 到目的地的距离； 与目标角度的角度差； 当前小车的角度与规划方向的差； 时间耗费 d=dist(p0,p_mubiao); a=angle(p_mubiao,p0)-angle(p_mubiao_to,p_mubiao); if(a0) a+=360; if(a180) a=360-a; time_cost=(abs(d-3)/1.1+a/25)/(0.6*v+1); 第三章 决策与规划 第三章 决策与规划 3.1 知识 3.2 推理 3.3 搜索 3.4 例子 3.1 知识 知识表示是人工智能的基本问题之一，推理和搜索都与表示方法密切相关。 常用的知识表示方法有：逻辑表示法、产生式表示法、语义网络表示法、框架表示法、面向对象表示法等。 知识的层次结构 人们描述客观世界的数据、信息、知识等具有如下的金字塔型层次结构。 数据 信息 知识 元知识 图3.1 知识层次结构 1) 数据 数据泛指对客观事物的数量、属性、位置及其相互关系的抽象表示，以适合于用人工或自然的方式进行保存、传递和处理。 知识处理中的数据不同于通常意义上的 “数”，它具有更广泛的含义。 2) 信息 信息是“数据所表示的含义”。信息是有一定含义的、经过加工处理的、对决策有价值的数据：信息＝数据＋处理。 数据和信息的关系：数据是信息的载体和表示，而信息是对数据的解释。 一般地说，一个信息可用一组描述词及其值来描述： 〈描述词1：值1；…；描述词n：值n〉 它描述一件事、一个物体或一种现象的有关属性、状态、地点、程度、方式等等。 3) 知识 知识是经过整理、加工、解释和转换的信息，它是由特定领域的描述、关系和过程组成的。 “知识是一个或多个信息的关联”。 知识是把有关信息关联在一起所形成的信息结构。它反映了客观世界中事物的关系，不同事物或者相同事物间的不同关系形成了不同的知识。 4) 元知识 元知识是有关知识的知识，是知识库中的高层知识，包括怎样使用规则、解释规则、校验规则、解释程序结构等知识。 元知识存于知识库中，指定可用的数据库资源，并在一个域中确定最为适用的规则组。 元知识起着减少搜索知识时间、确定知识使用的优先级、知识分类、知识项的宏观描述、控制知识的激发和运行等作用。 元知识是高层次的知识，不属于知识集本身，因此，元知识的知识表示的选择应单独考虑。 足球机器人的知识 足球机器人系统中，必须表示、处理并且应用大量的知识，一般用到下列各个层次的知识： 球的尺寸与质量； 球场尺寸； 球、边界的反弹特性； 球场的摩擦阻力特性； 球员的尺寸与质量； 球员的加速、减速、刹车模型； 球员的视觉、听觉、触觉模型； 队友、对手的位置、姿态； 各种角色模型（比如：射门者、传球者、带球者、防守者、后卫、守门员）； 队员阵型（比如：334阵型、244阵型等）； 队员配合方式（比如：2人夹击、2过1等）； 球的预测模型； 球员的体力模型； 比赛形势模型（比如：危机、危险、平衡、有利、极其有利等）； 对手习惯模型（包括