人工智能期末复习综述.docx

1.人工智能（学科）：Artificial Intelligence是计算机科学中涉及研究、设计和应用智能机器的一个分支。它的近期目标在于研究用机器来模仿和执行人脑的某些智能功能，并开发相关的理论和技术。在人工智能中，重点关注两个方面的内容：①问题的表示（知识的表示）：即要找到问题的一种合适的表示方法在人工智能中，我们要涉及到：状态空间法、问题归约法、谓词逻辑法、样本向量法②问题的求解：从问题表示方法出发，找到一个合理的办法来求解在人工智能中，常有的方法有：搜索法、推理法、计算方法2.状态空间法：从某一个初始状态开始，每次施加一个操作符，递增地建立操作符序列，直到达到目标状态为止人工智能中，一种最基本的求解方法就是试探搜索法，即，通过在某个可能的解空间（例如，所有可能的走法）中寻找一个解。这种基于解空间的问题表示和求解方法就是状态空间法，其基础是状态和算符（算子）状态空间法表示问题的关键：状态与操作符状态：为了描述某一类不同事物间的差别而引入的一组最少变量的有序集合算符（操作符）：使问题从一个状态变换到另一状态的手段用状态空间法表达出原始问题后，欲解问题变成为：寻找从初始状态到目标状态的某一个操作符序列状态空间法的求解过程：用有向图来表示图是由节点（不一定是有限个的节点）的集合构成的注意：在图论中，图的定义中还包括边的集合无向图：一对节点可能互为后裔，边用线段来表示有向图：一对节点用弧线连接起来，并且从一个节点指向另一个节点对应关系：当用有向图来表示状态空间法时，对应关系：图中的一个节点对应于某一个状态图中的一个有向弧对应于某一个算符状态空间法的解：从初始状态到目标状态的操作符序列图中的解：从起始节点到目标节点的一条路径问题：寻找从初始状态到目标状态的某个操作符序列转化为寻找图中初始节点（对应初始状态）到目标节点（对应于目标状态）的一条路径求解思路：边扩展节点边找解的搜索思想问题的状态空间：一个表示问题全部可能状态及其关系的图，它包含了三个集合：所有可能的问题初始状态集合S操作符集合F目标状态集合G状态空间记作三元状态（S, F, G）3.代价g(n) ：从起始节点 S 到某一节点 n 的路径的实际代价估值函数 f (n)：从起始节点S、通过节点n、到达目标节点G的最小代价的一个估计值f ( n ) = g ( n ) + h ( n )利用图论的技术，我们要解决两个问题：第一、找出初始节点到目标节点的一条路径。对应于寻找初始状态到目标状态的操作符序列（能够解决问题）第二、找出初始节点到目标节点的一条代价最小的路径。对应于寻找将初始状态变换到目标状态所用操作符代价之和最小的操作符序列（更好地解决问题）4.图的搜索技术分：盲目搜索技术（宽度、深度、代价优先搜索技术）启发式搜索技术（有序搜索算法）差别：选取待扩展节点的规则不同，并且可以OPEN表的不同数据结构来体现算法有解的终止条件不同图搜索中的两个重要记号（符号）：OPEN 表：存放待扩展的节点CLOSED 表：存放已扩展的节点注意：在与或树搜索中也要用到这两张表盲目搜索技术盲目搜索是指无问题先验信息的搜索技术特点：OPEN表中节点的排列是人为规定的；一般只适合于求解比较简单的一些问题宽度优先：先扩展出来的节点优先（OPEN 为队列），后继节点有目标节点结束OPEN 表是存放待扩展的节点，从数据结构上来说，它是一个先进先出的队列CLOSED 表是存放已被扩展过的节点（包括有后继节点的非端节点和无后继节点的端节点）,可以看成只进不出的队列深度优先：后者扩展出来的节点优先（OPEN 为堆栈），且有深度限制，后继节点有目标节点结束OPEN表是一个堆栈，后进先出代价优先（等代价）：到起始节点代价小的节点优先（ OPEN 为线性表），具有最小代价的节点是目标节点时结束三种盲目搜索技术的比较主要差别：在于挑选要扩展节点的规则不同宽度优先搜索技术：先扩展出来的节点随后先扩展，OPEN表是队列深度优先搜索技术：后扩展出来的节点随后先扩展，OPEN表是堆栈等代价搜索技术：选取OPEN表中代价最小的节点先扩展，OPEN表是线性表（以局部代价的递增顺序排列）宽度和深度优先搜索的缺点：扩展节点的顺序是人为规定的，要扩展节点的数目可能非常大，占用大量的计算时间和内存空间，使得搜索效率低等代价搜索技术的缺点选取已经搜索到的代价最小的节点来扩展，但是没有考虑目标状态，不知道离目标状态还有多远，还需要付出多大的代价启发式搜索技术有序算法：估价函数值小的节点优先有解的结束条件：具有最小估价函数值的节点是目标节点启发式搜索方法：利用启发信息的搜索方法有序搜索：在搜索过程总是选择“最有希望”的节点作为下一个被扩展节点的搜索技术在搜索过程中，OPEN表中节点按照其估价函数值以递增顺序排列，选择OPEN表中具有最小估价