2010年秋季期末总复习.ppt

与教材有关的讲课内容 第一章：绪言(P1-8) 第二章：知识表达方法(P24-38) 第三章：搜索推理技术(P55-75) 第四章：计算智能(神经计算：P111-119，191-197）;补充内容： 与或树的宽度、深度优先搜索算法（必考） 博弈树的极大极小搜索过程（不考核）;提纲： 课程综述 问题求解 谓词逻辑与推理 神经计算;第一部分 课程综述;人工智能： Artificial Intelligence 机器智能 Machine Intelligence;人工智能（学科）：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;课程所讲的内容;每一部分的内容安排原则;问题求解部分;谓词逻辑与推理部分;人工神经网络;第二部分 问题求解;状态空间法;1 状态空间法与图的搜索技术 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;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 求解思路：边扩展节点边找解的搜索思想;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 );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;盲目搜索技术;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;2 问题归约法、与或树搜索技术;与或图与问题归约法的对应关系： 原始问题 ?? 根节点 中间问题 ?? 非终叶节点 本原问题 ?? 终叶节点 操作符 ?? “与关系”、“或关系”的有向弧;“或节点”有解的条件是：只要有一个后继节点可解 “或节点”无解的条件是：所有后继节点无解;判断节点是否可解的方法： 终叶节点是可解节点 无后继节点的非终叶节点是不可解节点 用倒推的方法来逐步判断其他节点是否可解;与或图有解的条件是：起始节点（根节点）可解（通过倒推来判断） 与或图的解图：由最少可解节点所构成的子图，这些可解节点能够使问题的起始节点可解 与或树：与或图的特例，除了根节点外，任何一个节点只有一个父节点;与或树的搜索技术： 宽度优先：先扩展出来的节点优先（OPEN表是队列） 深度优先：后扩展出来的节点优先（OPEN表是堆栈），且有深度限制;图、与或树的宽度、深度优先搜索算法之间的差别： 图搜索技术是找到目标节点或无法扩展而结束算法 与或树搜索技术是找到终叶节点后通过倒推来判断起始节点是否可解而结束算法;3 博弈问题的表达、博弈树的搜索技术;博弈树是一棵特殊的与或树，其节点对应棋局（相当于状态），与节点、或节点隔层交替出现;博弈树搜索的极大极小过程分成： 宽度优先扩展节点（深度必为偶数），并计算最底层端节点的静态估计函数值 用倒推的方法（自己下的棋取大者，对手下的棋取小者）计算出其余各层节点的静态估计函数值，最后决定走哪一步棋;第三部分 谓词逻辑与推理;谓词公式化成子句集（九步） ① 消去“蕴含”和“等价”连结词 ② 减少“非”连结词的辖域（将“～”连结词直接作用到原子公式前） ③ 对变量标准化（约束变元改名）;④消去存在量词（引入斯科伦函数） ⑤化成前束范式 ⑥将母式化成合取范式 ⑦消去全称量词 ⑧消去合取连结词 ⑨更改变量名，得到子句集;置换：形如 { t1 / v1 , …, tn / vn } 的集合，称为一个置换，其中 vi 是不同的变量，ti 是与 vi 不同的项;例或例子：设 θ＝{ t1 / v1 , …, tn / vn } 为一个置换，E是一个原子谓词公式。 则Eθ表示将E中的 vi 同时用 ti（i=1,…,n）代入后所得到的结果，Eθ称为E的一个例子 ;置换的合成：设有两个置换 θ＝{t1 / x1, …,tn / xn} λ＝{s1 / y1, …,sm / ym} 则θ和λ的合成是如下置换： {t1λ/x1, …, tnλ/xn, s1/y1, …, sm/ym } 其中，对于任何 tjλ=xj 者消去，yj 是 {x1,…,