人工智能知识点.docxVIP

人工智能知识点1.一个系统如果能根据它所知的信息（知识、时间、资源等）能够做出最好的决策，就是理性的思考。2.理性行为：做正确的事，即已知某些信念，理性智能体通过自己的行动达到某个目标或获得最佳结果，或在不确定的情况下，获得最佳期望结果。3.什么是智能？智能简单说就是适应能力，环境变会进行思考后做出正确行为。人工智能是相对人的自然智能而言，即用人工的方法和技术,模仿、延伸和扩展人的智能,实现某些``机器思维“。4.人类智能的主要特点：感知能力、记忆与思维能力、归纳与演绎能力、学习能力以及行为能力。5.归纳能力是通过大量实例，总结出具有一般性规律的知识的能力。演绎能力是根据已有的知识和所感知到的事实，推理求解问题的能力。6.理性智能体：做事正确。 性能度量：评价智能体在环境中的表现 理性智能体应该选择期望能使其性能度量最大化的行动。对环境的约束越多，设计的问题就越容易7.问题求解实质是通过搜索找到行动序列达到目标.首先把目标形式化，和目标无关的去掉（例去机场是目标，当前的其他事或行为不考虑）.问题形式化就是决策对于给定的目标需要考虑哪些行动和状态的过程，生成状态空间，搜索获得解8.广度优先搜索: 首先扩展根节点，接着扩展根节点的所有后续，然后在扩展它们的后续，依次类推。在下一层的任何节点扩展之前搜索树上本层深度的所有节点都已经扩展过。9.深度优先搜索: 搜索直接推进到搜索树的最深层，当最深层节点扩展完没达到目标节点则将向上回到下一个还有未扩展后续节点的稍浅的节点。10.迭代深入深度优先搜索: 不断增大深度限制，直到找到目标节点。当搜索空间很大且解的深度未知，迭代深入搜索是首先。11.代价一致搜索的迭代搜索: 不断增加的路径耗散限制12.非启发式搜索：按已经付出的代价决定下一步要搜索的节点。具有较大的盲目性，产生较多的无用节点，搜索空间大，效率不高。12.启发式搜索：要用到问题自身的某些信息，以指导搜索朝着最有希望的方向前进。由于这种搜索针对性较强，因而原则上只需搜索问题的部份状态空间，搜索效率较高。基本思想：定义一个评价函数f，对当前的搜索状态进行评估，找出一个最有希望的节点来扩展。 从状态n到目标的最短路径的估计耗散值.爬山法搜索: 根据一个目标函数，找寻目前邻居中状态最好的一个（最陡上升）。（贪婪局部搜索）13.随机爬山法：上山移动中随机选择下一步，选择的概率随着上山移动的陡峭程度而变化。14.遗传算法(进化计算)是通过模拟自然界中生物进化机制进行搜索的一种算法基本思想：基于进化过程中的信息遗传机制和优胜劣汰的自然选择原则的搜索算法。适应度函数一般是一个实值函数，该函数就是遗传算法中指导搜索的评价函数15.弧相容：如果对于变量X的每个取值x，变量Y都有某个取值能和x保持相容，则连接X-Y的弧是相容的。16.极大节点（或节点）的下界为α 极小节点（与节点）的上界为β 剪枝的条件：后辈节点的β值=祖先节点的α值时，α剪枝后辈节点的α值=祖先节点的β值时，β剪枝17.归结规则的完备性：任何完备的搜索算法，只使用归结规则，就可以生成命题逻辑中被任何知识库蕴涵的任何结论。18.霍恩子句：至多只有一个正文字的文字析取式19.前向链接是数据驱动的推理，由感知信息自动推理，无意识多用于目标识别，路线决策可能产生和目标无关的中间结果.反向链接是目标指导的推理，20.谓词:刻画对象性质和对象之间关系21.前束范式：一个谓词公式,如果它的所有量词均非否定地出现在公式的最前面,且它的辖域一直延伸到公式之末,同时不出现连接词=和,这种形式的公式称为前束形范式22.置换可以简单的理解为是在一个谓词公式中用置换项去替换变量。置换与合一的意义：推理过程中要根据知识模式的相似程度进行匹配，为使已知事实与知识库中的知识完全匹配，需要经过一定的变量置换，或做某种变元的置换与合一。合一可以简单地理解为：寻找相对变量的置换，使两个谓词公式一致。23.归结：设C1与C2是子句集中的任意两个子句，如果C1中的文字L1与C2中的文字L2互补，则从C1和C2中可以分别消去L1和L2，并将两个子句中余下的部份做析取构成一个新的子句C12，称这一过程为归结。 24.说明性表示知识给出事物本身的属性和事物间的关系。过程性知识则给出解决问题的具体过程。谓词逻辑方法只适用于确定性、陈述性、静态性知识。产生式规则方法推理单一，若前提条件太多，或规则条数太多，则推理的速度很慢。语义网络方法表达的知识面较窄。框架方法表示的知识纵向从属继承关系很明确，但横向关系不太明确。 对于复杂的、深层次的知识，很难用一种知识表示来解决问题。25语义网络的主要优点是灵活，网络中的节点和有向弧可按规定不加限制的定义。语义网络的缺点是系统难以开发和维护，节点增加、管理复杂。面向对象的方法的封装性克