人工智能作业一.docxVIP

对于下列活动，分别给出任务环境的PEAS描述，并按照2.3.2节列出的性质进行分析: （a）在互联网购买AIIH书 Performa nee Measure En vironme nt Actuators Sen sors 购买的1口书性价比 高，搜索快速（货 比三家），付款的安 全性，好的交互功 能（与卖家或其他 买家沟通） 互联网，卖家，其 他买家 购书平台（终端）, 计算机 Al旧书价位比对 系统 （b）对看墙撰练网球 Performa nee Measure Environment Actuators Sen sors 动作准确度，反应 迅速，动作连贯性， 力度控制的精确 度，对球落点控制 的精确度 训练场地，其他训 练者，场地管理人 员 机械臂，球扌n 压力传感器，视觉 传感器（判断球落 点） （c）在一次拍卖中对一个物体投标 Performa nee Measure Environment Actuators Sen sors 对物体价值评估的 准确性，反应迅速， 制定投标价格的合 理性 被投标物体，其他 竞投者，拍卖现场 计算器（统计、计 算），机械愕（用于 投标） 听觉传感器（感知 英他竞投着报 价），语音传感器 （自己报价） 先建立一个完整的搜索树，起点是S,终点是G,如下图，节点旁的数字表示到达目标状态 的距离，然示用以下方法表示如何进行搜索。 11100 11 10 0 首先,图一 首先, 图一 .深度优先： 我们知道深度优先捜索是无信息搜索，按照编程的习惯，下图中深度优先捜索的顺 序是按照节点的A-G的排序进行的 ????S) ? ? ? ? S) ?广度优先: 我们知道一般的广度优先搜索也是无信息搜索，按照编程的习惯，下图中广度优先 搜索的顺序同样是是按照节点的A-G的排序进行的 .爬山法： 对于爬山法我们需要了解的是,它是简单的循坏过程,不断向最优方向移动。该算 法不需要维护搜索树，当询的节点的数据结构只需要记录当両状态和目标函数值。此外，爬 山法不会考虑与当前状态不相邻的状态。从S出发，与S邻近最佳的状态为B,依次往下, 一旦找到目标状态则算法终止，这也就是为什么爬山法容易陷入局部最优。 .最佳优先: 最佳优先算法的结点是基于评价函数f(n)去扩展的，评估价值最低的结点首先选择 进行扩展。最佳优先算法和一致代价捜索算法实现类似，不同的是最佳优先是根据f值而不 是根据g值对优先级队列排队。 图二是一棵部分展开的搜索树，其中树的边记录了对应的单步代价，叶子节点标注了到达冃标结点的启发式函数的代价值，假定当前状态位于结点Ao 图二 (a)用下列的搜索方法來计算下一步需要展开的叶子节点。注意必须要有完整的计算过 程，同时必须对扩展该叶子节点之前的节点顺序进行记录： 贪婪最伟优先搜索： 首先，贪婪最佳优先算法是试图扩展离忖标最近的节点，它只用到启 发信息,也就是f(n)二h(n)。如图，h⑻是未知的，但是根据三介不等式， 我们可以知道7=h(B)=130因此，先扩展C结点。 一致代价搜索 一致性代价搜索扩展的是路径消耗最小的结点。所以一致代价搜索接 下 来扩展结点的顺序为BDEFGHC A*树搜索 A*搜索对结点的评估结合了 g(n),即到达此结点己经花费的代价， 和h(n),从该结点到H标结点所花的代价:f(n)=g(n)+h何。由于都是从A结 点开始扩展，所以对于下一步可扩展的结点的f(D)=18, f(C)=21,10=f(B)=16o 因此 当先扩展B结点，否则先扩展D结点。 (b)讨论以上三种算法的完备性和最优性。 贪婪最佳优先搜索试图扩展离口标最近的结点，理由是这样可以很快找到解。 贪婪最佳优先搜索于深度优先搜索类似，即使是有限状态空间，他也是不完备的, 容易陷入死胡同或者导致死循环； 一致代价搜索按结点的最优路径顺序扩展结点，这是对任何单步代价函数都是 最优的算法，它不再扩展深度最浅的结点。一致代价搜索与宽度优先搜索类似，是 完备的； A*搜索是完备的，此外，A*算法対于任何给定的一致的启发函数都是效率最 优的。 给定一个启发式函数满足h(G)=0,其中G是目标状态，证明如果h是一致的，那么它是 可采纳的。 一致性(单调性)的定义： 如果对于每个结点n和通过任意行动a生成的n的侮个后继结点n\从结点n到 达目标的估计代价不大于从n到rV单步的代价少从n到达Fl标的估计代价Z和： h(n)=c(n,a,n,)+h(n,) 可采纳性的定义： f(n)=g(n)+h(n) 可采纳行要求f(n)永远不会超过结点n的解的实际代价 证明： 真实代价: f,(n)=g(n)+c(n/al,nl)+c(nlza2zn2)+c(n2,a3/n3)+......+c(nm,a(m+l),G) 评估代价：f(