华南理工大学《人工智能》复习预案.doc

华南理工大学《人工智能》复习资料 Ch 2. 【状态空间表示】 S：初始状态的集合 F：操作的集合 G：目标状态的集合 例如 【状态空间图】 【状态空间图搜索使用的数据结构】 OPEN表：已生成但没考察的节点(待考察节点) CLOSED表：考察过的节点及节点间关系(搜索树) 【广度/深度优先搜索特点】 广度优先：完备的(一定能找到最优解)，搜索效率低，OPEN表为队列结构 深度优先不能保证找到最优解 有界深度优先搜索：即使能求出解，也不一定是最优 可变界深度优先搜索算法：深度可变，每次深度超过阈值的点，都被当作待考察点(在CLOSED表中) 【启发式搜索算法分类】 按选择范围分类： 全局择优搜索：考虑所有待考察节点 局部择优搜索：只考虑当前节点的子节点 【A*算法】 f（x） ＝g（x）＋h（x） g(x)为当前点的代价 h(x)为距离目标的距离 A*对A算法的改进： 对( h* （x），具有完备性 【与或图】 Q与Q1，Q2与等价（即Q可以分解为Q1+Q2） Q1与{Q1i},{Q1i’}或等价（即Q1可以转换为{Q1i}或{Q1i’}） 【与或图中的概念】 本原问题：直接可解的问题。 终止节点：本原问题对应的节点 端节点： 无子节点的节点 与节点： 子节点为与关系 或节点： 子节点为或关系 【与或图的广度/深度搜索】 Step1:S0放入OPEN表 Step2:OPEN表第一个点（记为N）取出放入CLOSED表，冠以编号n。 Step3:若n可扩展： (1)扩展N，其子节点放入OPEN表(深度 【与或图启发式搜索】 由下往上更新函数值，函数值=子节点价值+子节点与父节点距离。例子见PP3 Ch3.P117-120 【博弈树】 与结点：对手(MIN)力图干扰MAX的选择。因此站在我方（MAX）的立场，由MIN出棋的结点具有与结点的性质。 或结点：我方（MAX）力图通往取胜。MAX出棋的结点具有或结点的性质。 【α剪枝,β剪枝】 α剪枝：对MIN节点,若其倒推上确界β不大于MIN的父节点倒推下确界α,即α≥β,则不必扩展该MIN节点其余子节点 β剪枝：对MAX节点,若其倒推下确界α不小于MAX的父节点倒推上确界β,即α≥β,则不必扩展该MAX节点其余子节点 Ch 3. 【离散数学相关定义】 命题（proposition）：具有真假意义的语句 谓词(predicate)：刻画个体的性质、状态或个体间的关系，例如P(x,y): x是y的父亲 个体域：个体变元的变化范围。(如P(x,y)中，x,y是变元) 全总个体域:包揽一切事物的集合 函数：个体之间的对应关系,例如father(x): 值为x的父亲 项：个体常元和变元都是项。若t1，t2，…，tn是项，则f（ t1，t2，…， tn ）是项 原子公式：若t1，t2，…，tn为项，P（t1，t2，…，tn）称为原子谓词公式，简称原子或原子公式 谓词公式：原子公式是谓词公式。若A、B是谓词公式，则? A，A∪B等都是谓词公式 辖域：紧接于量词之后被量词作用的谓词公式 指导变量：量词后的变量 约束变量：量词辖域中，与该量词的指导变元相同的变量 自由变量：除了约束变量之外的变量 一阶谓词：仅个体变元被量化的谓词 二阶谓词：个体变元、函数符号、谓词符号被量化 从谓词公式得到命题： (1)把谓词中的个体变元代入个体常元 (2)把谓词中的个体变元全部量化 如P(x)表示x是素数, 则(x P(x)，P(a)都是命题 合取范式：B1 ( B2 ( … ( Bn，如 8 … ( Bn，如 谓词公式可满足性：P对个体域D至少有一个个体成立，则P在D上可满足。 【常用逻辑等价式】 【常用推理定律】 【子句集】 文字：原子谓词公式及其否定 子句：任何文字的析取 【子句集特点】 1. 没有蕴含词、等值词 2. “?”作用原子谓词 3. 没有量词( ( 、( ) 4. 合取范式 5. 元素之间变元不同 6. 集合形式 【由谓词公式得到子句集】 (对应子句集特点的序号) 根据蕴含等价式消去蕴含关系 根据量词转换律、双重否定律、摩根定律转换 存在量词：受(x约束，则定义f(x)替换y (Skolem函数) 不受(x约束，常量代替y (Skolem常量) 全称量词：直接消去 根据分配率合取 各个合取子句变量改名 把合取符号替换为逗号，组成集合 【Skolem标准型】 消去存在量词，把全称量词移到最左，右式为合取，如 (x [P(x，f(x)) (? R(x,g(x)) ] Skolem标准型与原公式一般并