人工智能简略复习大纲58.pptx

人工智能-复习大纲——马少平，朱小燕编著课程简介 通过人工智能课程的学习，了解人工智能的发展概况、人工智能与人类智能之间的联系、人工智能的应用领域、机器学习、神经计算、遗传算法、专家系统等基本概念，掌握知识表示方式和推理、搜索推理、消解原理等人工智能原理的基本理论、方法及其应用技术，注重培养综合运用人工智能原理的知识解决问题的能力。课程重点章节介绍 本教材共分7章，其中第1.2~1.4，第2章，3.2~3.4，4.1~4.4，6.1~6.6，7.4为重点章节。本课程重点和难点内容简介 第0章人工智能的定义，人工智能三种主要学派及其主要观点，人工智能的应用领域人工智能的定义定义1 智能思考机器能够像人一样进行一些与心智能力相关的思维活动。定义2 智能行动机器能够像人一样执行某些需要智能才能完成的功能。目前人工智能的主要学派 符号主义?认为人工智能源于数理逻辑。连接主义 认为人工智能源于仿生学，特别是人脑模型的研究。行为主义?认为人工智能源于控制论。第1章 搜索问题图搜索的一般技术 回溯策略；无信息图搜索技术，包括深度优先、宽度优先搜索；启发式图搜索技术，包括爬山法、分支界限法、动态规划法(均一代价法)、最佳优先搜索、A*算法等的计算。开始把S放入OPEN表是OPEN表为空表？失败否是n为目标节点吗？成功否把第一个节点(n)从OPEN表移至CLOSED表把n的后继节点放入OPEN表的末端，提供返回节点n的指针修改指针方向重排OPEN表图搜索的一般过程 图搜索技术的分类按照在搜索过程中，是否使用了中间结果给出的提示信息，可将搜索策略分为盲目搜索(未使用启发性信息)，和启发式搜索(使用了启发信息)两大类。盲目搜索 搜索过程无须对OPEN表进行重排，如：宽度优先搜索、深度优先搜索。深度优先搜索深度优先搜索优先扩展新产生的节点，如示意图。宽度优先搜索宽度优先搜索逐层进行，如示意图。宽度优先搜索与深度优先搜索的主要区别 每次新生成节点时，宽度优先搜索总是将其插入OPEN表的末尾，而深度优先搜索总是将其插入到OPEN表的前头。宽度优先搜索与深度优先搜索的其他区别:只要问题有解，宽度优先搜索总是能找到，并且找到的总是搜索路径最短的解；而深度优先搜索却因为可能陷入一条“花园小径”，不一定能够找到解，并且找到的解也不一定是搜索路径最短的解。启发式图搜索搜索过程需要对OPEN表重排，如：爬山法、分支界限法、动态规划法(均一代价法)、最佳优先搜索法、A*算法等。爬山法爬山法是一种局部搜索方法，模仿瞎子爬山的过程：从立足处用明杖向前一试，觉得高些，就向前一步，如果前面不高，向左一试，高就向左一步，不高再试后面，高就退一步，不高再试右面，高就向右走一步，四面都不高，就原地不动.总之，高了就走一步，就这样一步一步地走，就走上了山顶。 这个向各方向的测试“步”，就是“爬山法”的估价函数h(n)。登山法算法步骤：设定初始节点n；如果n是目标，则成功退出；扩展n，得到其子节点集合；从该集合中选取h(n)为最小的节点n’；将n’设为n，返回第②步。分支界限法分支界限法则以宽度优先或以最小耗费优先的方式，搜索满足约束条件的一个解，或是在满足约束条件的解中找出在某种意义下的最优解。缺点：要存储很多分支结点的界限和对应的耗费矩阵，花费很多内存空间。 具有动态规划原理的分支界限法具有动态规划原理的分支界限法，根据分支界限法得出的各种可能的局部解，根据最小耗散值原则，舍弃那些肯定不能得到最优解的局部解，在每一步都经过筛选，以每一步都是最优解来保证全局是最优解。这种方法，也可称为均一代价法或等代价法。 耗散值的概念及应用搜索图中，在任意两节点弧线间移动付出的代价，叫弧线耗散值。而一条路径的耗散值等于，连接这条路径各节点间所有弧线耗散值的总和。分支界限法、动态规划法（均一代价法、等代价搜索法）中，均采用路径耗散值作为评价函数，即每次扩展优先选择具有最小路径耗散值的节点进行，记做f(n)=g*(n)。最佳优先搜索算法是“爬山法”的推广，但它是对OPEN表中所有节点的h(n)进行比较，按从小到大的顺序重排OPEN表，因此是一种全局寻优法。其算法效率类似于深度优先搜索算法，但使用了当前节点与目标的估测距离h(n)函数，来确定下一步待扩展的节点，因此是一种启发式搜索方法。A算法最佳优先算法有时无法得到最优解，因为它的估价函数f的选取时，忽略了从初始节点到目前节点的代价值。所以，可考虑每个节点n的估价函数f(n)分为两个分量：从起始节点到节点n的代价g(n)以及从节点n到达目标节点代价的估算值h(n)。 f(n)=g(n)+h(n)A算法的引入：f(n)——节点n的估价函数； g(n)——从初始节点S到n节点的实际代价； h(n)——从n到目标节点Sg最佳路径的估计代价。这里h