计算机导论第9章人工智能.ppt

第九章 人工智能 第九章 人工智能 9.1? 人工智能概述 9.2? 基于符号推理的传统人工智能 9.3? 基于连接机制的计算智能 9.4 人工智能主要应用与研究领域 9.1? 人工智能概述 一、人工智能定义 图灵 麦卡锡 二、人工智能的研究方法 1）符号主义（Symbolism）学派：理论基础主要是物理符号系统假设和有限合理性原理。 2）连接主义（Connectionism）学派 ：以网络连接为基础 三、人工智能的研究目标 根本目标 近期目标 远期目标 四、人工智能发展简史 9.2 基于符号推理的传统人工智能 9.2.1知识表示 知识表示＝数据结构＋处理机制 一阶谓词逻辑表示法 谓词的一般形式为： P（x1, x2, …, xn） 谓词逻辑符号集：常量 变量符号 谓词符号 例9.1 （1）定义相关谓词如下： （2）利用连接词、量词等符号和已定义的谓词表示问题的状态。 （3）从初始状态到目标状态的变迁 9.2.2 推理方法 推理都包括两种判断： 已知的判断 由已知判断推出的新判断，即推理的结论 推理的源头 演绎推理通常是指从全称判断推导出特称判断的过程 三段论形式 归纳推理是指从足够多的事例中归纳出一般性结论的推理过程，是一种从个别到一般的推理。 完全归纳推理 不完全归纳推理 类比推理是由新情况与已知情况在某些方面的相似来推出它们在其他相关方面的相似。 9.2.3匹配方法 在推理过程中，已知初始知识与知识库中的知识要进行比较和耦合，以便检查这两个知识模式是否完全—致或近似一致。 两条知识的匹配涉及到知识模式的相似度问题 9.2.4冲突消解策略 冲突消解策略解决如何在多条可用知识中合理地选择一条知识的问题，是一种基本的推理控制策略。 三种情况： （1）已知事实不能与知识库中的任何知识成功匹配。 （2）已知事实恰好只与知识库中的一个知识匹配成功。 （3）已知事实可与知识库中的多个知识匹配成功；或者有多个（组）已知事实都可与知识库中某一个知识匹配成功；或者有多个（组）已知事实可与知识库中的多个知识匹配成功。 9.2.5搜索策略 盲目搜索 启发式搜索 状态空间搜索 与/或树搜索 状态空间表示的搜索 状态 操作 状态空间 状态空间图搜索求解 例9.2 设有分别由形状控制的一字排开的3盏信号灯，处在“亮、暗、亮”的初始状态。每次操作允许并必须扳动一只开关，问：如果连扳三次开关后，是否可以出现“亮、亮、亮”或“暗、暗、暗”的状态？ 9.3 基于连接机制的计算智能 9.3.1计算智能基本概念 贝兹德克 1992 计算智能的三个主要内容：模糊计算（Fuzzy computing）、神经计算（Neural computing）和进化计算（Evolution computing） 软计算（Soft computing） 9.3.2模糊计算 扎德（Zadeh）1965 可能性理论 模糊知识的表示方法 模糊集合 隶属函数 模糊命题的一般形式是： A：e is F （或e是F） 9.3.3 神经计算 20世纪40年代心理学家McCulloch与数学家Pitts MP模型 1982年Hopfield提出了Hopfield神经网络模型 生物神经元的结构 人工神经元及其特性 人工神经网络的基本特性和结构 人工神经网络由神经元模型组成，这种由许多神经元组成的信息处理网络具有并行分布结构。 每个神经元具有单一输出，并且能够与其它神经元连接； 结构基本上分为两类：递归（反馈）网络 前馈网络 4）人工神经网络的特性 （1）并行分布处理 （2）非线性映射 （3）通过训练进行学习 （4）适应与集成 （5）硬件实现 9.3.4进化计算 是指一类以达尔文进化论为依据来设计、控制和优化人工系统的技术和方法的总称。包括遗传算法、进化策略和进化规划 遗传算法 三个基本算子：繁殖、交叉和变异 （1）定义问题与目标函数F。 （2）选择候选解作为初始种群，每个解用一个二进制位串X表示，称为个体。 （3）根据目标函数，对每个染色体Xi，i=1, …，P，计算适应度F（Xi）。 （4）为每个染色体指定一个与其适应度成正比的繁殖概率pi, i=1, …，P。 （5）根据概率pi选择染色体，所选染色体通过交叉和变异等操作产生新一代染色体种群。 （6）如果找到了满意的解或达到了预定的计算时间，则过程结束。否则返回（3）。 例9.3　求整数函数f（x）=x2在区间[0,31]上取最大值的点 9.4 人工智能主要应用与研究领域 一、专家系统