人工智能第三章.ppt
合集下载
2024版《人工智能》PPT课件
《人工智能》PPT课件
•人工智能概述
•机器学习原理及算法•自然语言处理技术•计算机视觉技术
•语音识别与合成技术•智能推荐系统与数据挖掘•人工智能伦理、法律与社会影响
目录
定义与发展历程
定义
人工智能是一门研究、开发用于模拟、
延伸和扩展人的智能的理论、方法、
技术及应用系统的新技术科学。
发展历程
从早期的符号学习到现代的深度学习，
人工智能经历了多个发展阶段，包括
专家系统、知识工程、机器学习等。
重要事件
人工智能领域的重要事件包括图灵测试、达特茅斯会议、AlphaGo战胜围棋世界冠军等。
人工智能的技术原理包括感知、思考、学习和行动四个方面，通过模拟人类的思维和行为方式来
实现智能化。
技术原理
人工智能的核心思想是让机器能够像人类一样具有智能，包括理解、推理、决策、学习等能力。
核心思想
人工智能的实现方式包括符号主义、连接主义和行为主义等多种方法，其中深度学习是当前最热门的技术之一。
实现方式
技术原理及核心思想
前景展望
未来人工智能的发展前景非常广阔，将会在更多领域得到应用，同时也会出现更多的技术创新和
突破。
应用领域
人工智能已经广泛应用于各个领域，包括智能家居、自动驾驶、
医疗诊断、金融风控等。
挑战与机遇
人工智能的发展也面临着一些挑战，如数据安全、隐私保护等问题，但同时也带来了巨大的机遇
和发展空间。
应用领域与前景展望
原理
通过最小化预测值与真实值之间的均方误差，学习得到最优的线性模型参数。
应用
预测连续型数值，如房价、销售额等。
原理
在特征空间中寻找最大间隔超平面，使得不同类别的样本能够被正确分类。
应用
分类问题，如图像识别、文本分类等。
人工智能基础 第3章 知识表示
3.1 知识与知识表示的概念
3.1.1 知识的概念
知识的概念
知识是人类在长期的生活实践中以及科学研究实验中累积 起来的，是对客观世界的认识及经验。把有关信息关联在 一起所形成的信息结构称为知识。
例题
人类知识中“燕子低飞蛇过道，大雨不久就来到”，转化为 能让计算机理解的模式，可得到以下知识：如果燕子低飞蛇 过道，则快要下大雨。还有一种知识被称为“事实”，例如 “老虎是动物”，这个知识表达了“老虎” 与“动物”之间的关系。
知识表示（knowledge representation）就是将人类知识形式化或者模型化。
选择知识表示方法的原则有
（1）充分表示领来自百度文库知识
（2）有利于对知识的利用
（3）便于对知识的组织、 维护与管理。
（4）便于理解与实现。
3.2 知识表示方法
3.2.1 逻辑表示法
逻辑本身根据复杂性从简单到复杂分为：命题逻辑、一阶谓词逻辑、高阶逻辑。为了避免运算的歧义，命 题逻辑还定义了不同的连接词和操作符的优先级关系，例如非（┐）具有最高优先级。逻辑连接符根据真值 表运算组合命题的真假值，真值表如表 3-1 所示。命题逻辑和一阶谓词逻辑是人工智能领域使用最早的、最 广泛的知识表示方式。
3.1 知识与知识表示的概念
3.1.2 知识的特性
01 02 03
知识是人类对客观世界认识的结果，并且受到长期实践的检验。 因此我们可以认为，在一定的条件及环境下，知识是正确的。
人工智能 第三章 基本的问题求解方法
6
7
2
4
5
3
1
6
7
2
4
53
图搜索与回溯算法的区别
扩展节点:
回溯算法: 生成一个儿子节点. 图搜索: 扩展节点, 生成所有儿子节点.
候选节点:
回溯算法: 一个. 图搜索: 多个.
回溯:
回溯算法:返回父亲节点. 图搜索: 不一定返回父亲节点.
TOPIC3 无信息搜索
5、若n为目标节点，则成功退出，该问题的解即是G中沿S指向 n的路径； 6、若不是目标节点，则扩展n，生成不是n的祖先的那些后继 节点的集合m，把m的成员作为n的后继加入G中； 7、对未曾在G中出现过的m成员，设一通向n的指针，把它们加 入open表。对已在closed或open表上的m成员，确定是否要更 改到n的指针方向，对已在closed上的m成员，确定是否要更改 G中通向每个后裔节点的指针方向。 8、按某一方式（深度优先、宽度优先、A*算法）重排open表 9、GO LOOP
问题的解: 路径(解路径)/目标状态; 需要路径:下棋 不需要路径:电路设计 需要/不需要: 诊病
约束条件 目标状态不确定时, 用来约束目标状态的性质; X+Y=4: 非整数解/整数解
几个问题(续1)
多解性; X+Y=4:整数解
最优解 评价标准/判断准则; min(x*y) 北京->上海: 时间最短/费用最少
人工智能第三版课件第3章 搜索的基本策略
首部转2；
2.3 启发式搜索方法
如果能够找到一种方法用于排列待扩展 节点的顺序，即选择最有希望的节点加以 扩展，那么，搜索效率将会大大提高。启 发式搜索就是基于这种想法,它是深度优先 的改进。搜索时不是任取一个分枝，而是 根据一些启发式信息，选择最佳一个分枝 或几个分枝往下搜索。
2.3.1 启发式信息的表示
f（A）=8， f（B）=9， f（C）=10。 所以搜索可以从C对应的空格放置一个皇后开
始，其余的空格对应的搜索树可以删除。
2.3.1 启发式信息的表示
（c）定义搜索策略。
第i个皇后放到第i行中的那个与前面i-l个 皇后不在同一列或对角线上且f（x）值最大 的空格中。
启发式信息是某些领域里的知识信息， 它能使计算机系统在这些知识信息提示以后 可能采取的某些可能的动作或避免某些不可 能的动作。
别的状态的方向搜索
例如符号积分问题, 正向搜索意味着从被 积函数出发，按照积分规则，寻找原函数。 而逆向搜索，则要从大量的原函数的任意 组合出发，通过积分规则，找出被积函数， 这显然要困难得多，我们在人工演算积分 问题时决不会这么去做。
搜索方向的选择
(3) 依据用户可接受的方向
特别是需要向用户解释推理过程时，顺 应用户的心理，选择搜索方向会使系统显 得更自然一些。在建造专家系统时，向用 户解释为什么系统会得出某个结论, 这一 步骤是必不可少的，所以尤其要考虑这个 问题。
2.3 启发式搜索方法
如果能够找到一种方法用于排列待扩展 节点的顺序，即选择最有希望的节点加以 扩展，那么，搜索效率将会大大提高。启 发式搜索就是基于这种想法,它是深度优先 的改进。搜索时不是任取一个分枝，而是 根据一些启发式信息，选择最佳一个分枝 或几个分枝往下搜索。
2.3.1 启发式信息的表示
f（A）=8， f（B）=9， f（C）=10。 所以搜索可以从C对应的空格放置一个皇后开
始，其余的空格对应的搜索树可以删除。
2.3.1 启发式信息的表示
（c）定义搜索策略。
第i个皇后放到第i行中的那个与前面i-l个 皇后不在同一列或对角线上且f（x）值最大 的空格中。
启发式信息是某些领域里的知识信息， 它能使计算机系统在这些知识信息提示以后 可能采取的某些可能的动作或避免某些不可 能的动作。
别的状态的方向搜索
例如符号积分问题, 正向搜索意味着从被 积函数出发，按照积分规则，寻找原函数。 而逆向搜索，则要从大量的原函数的任意 组合出发，通过积分规则，找出被积函数， 这显然要困难得多，我们在人工演算积分 问题时决不会这么去做。
搜索方向的选择
(3) 依据用户可接受的方向
特别是需要向用户解释推理过程时，顺 应用户的心理，选择搜索方向会使系统显 得更自然一些。在建造专家系统时，向用 户解释为什么系统会得出某个结论, 这一 步骤是必不可少的，所以尤其要考虑这个 问题。
人工智能ppt课件
20XX.XX.XX 汇报人：XXX
人工智能在就业市场和职业领域的影响
人工智能，未来之桥， 连接智慧与生活。
人工智能
未来就业市场：技能与 素质并重，创新与适应
为先。
未来就业市场
提高生产效率，创造更 多价值。
生产效率
生产成本是决定企业经 济效益的关键因素。
生产成本
低技能就业需求
低技能就业需求不断扩 大，应提高就业能力， 创造更多就业机会。
人工智能改变未来，促进经济增长
人工智能可以大幅提升生产效率，促进经济高 质量发展。未来人工智能将在制造业、服务业 等领域发挥重要作用，助力经济实现更高质量 的发展。
人工智能技术面临的挑 战和机遇
人工智能改变未来 人工智能正在逐渐改变我们的生活方式，从医疗、教育到交通等领域都有广泛的应用 人工智能技术的挑战 虽然人工智能具有巨大潜力，但也面临技术、道德和隐私等挑战 人工智能的机遇 人工智能可以提升工作效率，为企业创造更多的价值，同时也是经济增长的新引擎 人工智能的未来前景 随着技术的不断进步，人工智能将在未来发挥更大的作用，为人类带来更多的便利和福利
智能制造、智慧物流 等工业互联网领域
智能制造是未来制造业的核心 根据预测，到2025年，全球智能制造市场规模将超过5000亿美元，表明其发展潜力巨大。 智慧物流是未来物流业的发展方向 智慧物流通过大数据、物联网等技术，提高物流效率，降低成本，是物流业转型升级的关键。 工业互联网推动工业4.0时代的到来 工业互联网通过连接设备、人员和服务，实现生产过程的数字化、智能化，是工业4.0时代的基础。 人工智能技术对工业互联网领域具有重要意义 人工智能技术为工业互联网领域提供智能化解决方案，如机器学习、深度学习等，助力企业提高生产效率和质量。
人工智能在就业市场和职业领域的影响
人工智能，未来之桥， 连接智慧与生活。
人工智能
未来就业市场：技能与 素质并重，创新与适应
为先。
未来就业市场
提高生产效率，创造更 多价值。
生产效率
生产成本是决定企业经 济效益的关键因素。
生产成本
低技能就业需求
低技能就业需求不断扩 大，应提高就业能力， 创造更多就业机会。
人工智能改变未来，促进经济增长
人工智能可以大幅提升生产效率，促进经济高 质量发展。未来人工智能将在制造业、服务业 等领域发挥重要作用，助力经济实现更高质量 的发展。
人工智能技术面临的挑 战和机遇
人工智能改变未来 人工智能正在逐渐改变我们的生活方式，从医疗、教育到交通等领域都有广泛的应用 人工智能技术的挑战 虽然人工智能具有巨大潜力，但也面临技术、道德和隐私等挑战 人工智能的机遇 人工智能可以提升工作效率，为企业创造更多的价值，同时也是经济增长的新引擎 人工智能的未来前景 随着技术的不断进步，人工智能将在未来发挥更大的作用，为人类带来更多的便利和福利
智能制造、智慧物流 等工业互联网领域
智能制造是未来制造业的核心 根据预测，到2025年，全球智能制造市场规模将超过5000亿美元，表明其发展潜力巨大。 智慧物流是未来物流业的发展方向 智慧物流通过大数据、物联网等技术，提高物流效率，降低成本，是物流业转型升级的关键。 工业互联网推动工业4.0时代的到来 工业互联网通过连接设备、人员和服务，实现生产过程的数字化、智能化，是工业4.0时代的基础。 人工智能技术对工业互联网领域具有重要意义 人工智能技术为工业互联网领域提供智能化解决方案，如机器学习、深度学习等，助力企业提高生产效率和质量。
人工智能PPT第三章3.1
《人工智能导论》
第三章：智能识别
以匠心致创新
3.1 应用场景
目 录
3.2 应用实例：智能小区
3.3 应用实例：智能翻译机
以匠心致创新
3.1 应用场景
目标
1、了解智能识别在图像识别领域的应用
2、了解智能识别在语音识别领域的应用
3、了解智能识别在机器人领域的应用
重点 1、了解智能识别在图像识别、语音识别和机器人识别领域的应用。
以匠心 致创新
3.1 应用场景
语音识别技术的发展
3.1.2在语音识别领域的应用
以匠心 致创新
3.1 应用场景
随着机器视觉、语音识 别以及更多的感知功能， 机器人正在进入越来越多 的应用场景，比如，在智 慧家庭应用场景当中，智 能机器人可以从事很多专 门的服务，像陪伴老人、 下棋、辅导学生、打扫卫 生、安防监控等等，带给 家庭用户很多的欢乐；人 们开发了搜救机器人，可 以在人不能到达的地方进 行灾难抢救；制造业广泛 应用的工业机器人，比如 搬运、弧焊等。
难点 无
பைடு நூலகம்
以匠心 致创新
3.1 应用场景
1.医学领域
3.1.1在图像识别领域的应用
2.航空领域
心电图像
航拍图像
以匠心 致创新
3.1 应用场景
3.卫星
3.1.1在图像识别领域的应用
第三章：智能识别
以匠心致创新
3.1 应用场景
目 录
3.2 应用实例：智能小区
3.3 应用实例：智能翻译机
以匠心致创新
3.1 应用场景
目标
1、了解智能识别在图像识别领域的应用
2、了解智能识别在语音识别领域的应用
3、了解智能识别在机器人领域的应用
重点 1、了解智能识别在图像识别、语音识别和机器人识别领域的应用。
以匠心 致创新
3.1 应用场景
语音识别技术的发展
3.1.2在语音识别领域的应用
以匠心 致创新
3.1 应用场景
随着机器视觉、语音识 别以及更多的感知功能， 机器人正在进入越来越多 的应用场景，比如，在智 慧家庭应用场景当中，智 能机器人可以从事很多专 门的服务，像陪伴老人、 下棋、辅导学生、打扫卫 生、安防监控等等，带给 家庭用户很多的欢乐；人 们开发了搜救机器人，可 以在人不能到达的地方进 行灾难抢救；制造业广泛 应用的工业机器人，比如 搬运、弧焊等。
难点 无
பைடு நூலகம்
以匠心 致创新
3.1 应用场景
1.医学领域
3.1.1在图像识别领域的应用
2.航空领域
心电图像
航拍图像
以匠心 致创新
3.1 应用场景
3.卫星
3.1.1在图像识别领域的应用
人工智能第3章 搜索技术资料PPT课件
12
➢无论是宽度优先搜索还是深度优先 搜索，遍历节点的顺序一般都是固 定的，即一旦搜索空间给定，节点 遍历的顺序就固定了。
➢这种类型的遍历称为“确定性”的， 也就是盲目搜索。
13
▪搜索控制策略（1）
q 搜索控制策略 ❖不可撤回的控制策略; ❖试探性控制策略
✓回溯型 ✓图搜索
14
▪搜索控制策略（2）
763
123 84
765
f=2
目
标
18
▪搜索控制策略（6）
➢回溯策略 ➢例：四皇后问题
Q Q
Q Q
19
()
20
Q () ((1,1))
21
() ((1,1)) ((1,1) (2,3))
Q Q
22
() ((1,1)) ((1,1) (2,3))
Q
23
() ((1,1)) ((1,1) (2,3)) ((1,1) (2,4))
其中，初 始状态集 合和操作 符集合定 义了问题 的搜索空
间。
6
➢搜索问题包括：
❖搜索什么(目标) ❖在哪里搜索(搜索空间)
➢和通常的搜索空间不同，人工智能 中大多数问题的状态空间在问题求 解之前不是全部知道的。
7
➢搜索分成：
❖状态空间的生成阶段 ❖在该状态空间中对所求问题状态的搜
索
➢搜索可以根据是否使用启发式信息 分为
➢无论是宽度优先搜索还是深度优先 搜索，遍历节点的顺序一般都是固 定的，即一旦搜索空间给定，节点 遍历的顺序就固定了。
➢这种类型的遍历称为“确定性”的， 也就是盲目搜索。
13
▪搜索控制策略（1）
q 搜索控制策略 ❖不可撤回的控制策略; ❖试探性控制策略
✓回溯型 ✓图搜索
14
▪搜索控制策略（2）
763
123 84
765
f=2
目
标
18
▪搜索控制策略（6）
➢回溯策略 ➢例：四皇后问题
Q Q
Q Q
19
()
20
Q () ((1,1))
21
() ((1,1)) ((1,1) (2,3))
Q Q
22
() ((1,1)) ((1,1) (2,3))
Q
23
() ((1,1)) ((1,1) (2,3)) ((1,1) (2,4))
其中，初 始状态集 合和操作 符集合定 义了问题 的搜索空
间。
6
➢搜索问题包括：
❖搜索什么(目标) ❖在哪里搜索(搜索空间)
➢和通常的搜索空间不同，人工智能 中大多数问题的状态空间在问题求 解之前不是全部知道的。
7
➢搜索分成：
❖状态空间的生成阶段 ❖在该状态空间中对所求问题状态的搜
索
➢搜索可以根据是否使用启发式信息 分为
人工智能导论--第三章_知识与推_...
3.3.1 一阶谓词逻辑表示法
1、基本概念
命题：能判断真假（不是既真又假）的陈述句。
命题是简单陈述句描述事实、事物的状态、关系等性质。 是对客观事物为真还是为假的判断
例如：1． 1+1=2 2． 雪是黑色的。 3． 北京是中国的首都。 4． 到冥王星去渡假。
判断方法：判断一个句子是否是命题，有先要看它是否是 陈述句，而后看它的真值是否唯一。以上的例子都是陈述 句，第4句的真值现在是假，随着人类科学的发展，有可 能变成真，但不管怎样，真值是唯一的。因此，以上4个 例子都是命题。
按知识的作用及表示来划分：
3.2.1 知识
知识的分类
按知识的确定性来划分：
确定知识（指逻辑值为真或假的知识，是精确性的知识） 不确定知识（逻辑值不能完全确定的知识，其逻辑值由一个概率 值确定）。 逻辑性知识（反映人类逻辑思维过程的知识，一般都具有因果关 系及难以精确描述的特点） 形象性知识（通过形象思维所获得的知识，例如，牛是什么模样？ 如果用文字来描述，可能很难让没见过牛的人获得关于牛的知识， 但是通过照片或真牛，就可以获得形象性知识）。
（1）专一性排序(条件部分更具体的规则) （2）规则排序(规则编排顺序) （3）数据排序(所有条件按优先级次序编排起来) （4）就近排序(最近使用的规则优先) （5）上下文限制(在某种上下文条件下) （6）按匹配度排序(计算这两个模式的相似程度) （7）按条件个数排序(条件少的优先)
人工智能ppt chapter3_1
2015-1-20
3.2.2 问题的直接求解法
三阶Hanoi塔演绎树：从左到右表示盘从大到小，数 字表示柱子号
与
中小盘1 到2
中小盘2 到3
大盘1到3 小盘：13 中盘：12
2015-1-20
小盘：32
3.2.2 问题的直接求解法
3 博弈问题求解法
博弈问题：对策性问题，表示若干个体开展竞争的过程。
人工智能及其应用 13
3.2.2 问题的直接求解法
3 博弈问题求解法
全信息：则是指在对垒过程中，博弈所使用的规则、步
法，过去的历史及当前格局均为双方共知。任何一方都认 识到棋局的发展将对双方可能造成的影响。 （2）博弈原理 参加博弈的双方都立足于在最坏的情况下来选取对自己 最有利的得分，这种策略称之为在非偶然性全信息条件下 的保险策略。 （3）博弈树
人工智能及其应用
4
3.2.1 问题表达及其变换
与/或图中结点的可解性
可解： 1）终端结点（本原问题）。 2）后继结点是与结点且都可解。 3）后继结点是或结点且至少一个可解。
不可解： 1）非本原问题，但没有后继结点。 2）后继结点是与结点，至少一个不可解。 3）后继结点是或结点，所有均不可解。
例：三阶Hanoi塔问题。设有3个中心有孔的圆盘A、B、C 和3根柱子1、2、3。初始状态时，三个盘全部放在柱1上， 顶上的A盘最小，底部的C盘最大；目标是要把盘全部移到 柱3上去，要求3个圆盘按从小到大的顺序叠放在一起；并 且，移动圆盘时要保证一次只能移动一个，任何时候小盘 上面不能放比它大的盘。
3.2.2 问题的直接求解法
三阶Hanoi塔演绎树：从左到右表示盘从大到小，数 字表示柱子号
与
中小盘1 到2
中小盘2 到3
大盘1到3 小盘：13 中盘：12
2015-1-20
小盘：32
3.2.2 问题的直接求解法
3 博弈问题求解法
博弈问题：对策性问题，表示若干个体开展竞争的过程。
人工智能及其应用 13
3.2.2 问题的直接求解法
3 博弈问题求解法
全信息：则是指在对垒过程中，博弈所使用的规则、步
法，过去的历史及当前格局均为双方共知。任何一方都认 识到棋局的发展将对双方可能造成的影响。 （2）博弈原理 参加博弈的双方都立足于在最坏的情况下来选取对自己 最有利的得分，这种策略称之为在非偶然性全信息条件下 的保险策略。 （3）博弈树
人工智能及其应用
4
3.2.1 问题表达及其变换
与/或图中结点的可解性
可解： 1）终端结点（本原问题）。 2）后继结点是与结点且都可解。 3）后继结点是或结点且至少一个可解。
不可解： 1）非本原问题，但没有后继结点。 2）后继结点是与结点，至少一个不可解。 3）后继结点是或结点，所有均不可解。
例：三阶Hanoi塔问题。设有3个中心有孔的圆盘A、B、C 和3根柱子1、2、3。初始状态时，三个盘全部放在柱1上， 顶上的A盘最小，底部的C盘最大；目标是要把盘全部移到 柱3上去，要求3个圆盘按从小到大的顺序叠放在一起；并 且，移动圆盘时要保证一次只能移动一个，任何时候小盘 上面不能放比它大的盘。
第3章 人工智能基础知识——机器学习与算法
深度学习的概念
简单的说，深度神经网络就是很深的神经网络。我们利用网络中逐 层对特征进行加工的特性，逐渐从低级特征提取高级特征。深度超 过8层的神经网络才叫深度学习。含有多个隐层的多层学习模型是 深度学习的架构。深度学习可以通过组合低层特征形成更加抽象的 高层表示属性类别或特征，以发现数据的分布式特征表示。
人工智能技术子品牌 Audi AI，旨在运用深 度学习技术提供主动 式的人机界面，由此 作为未来第四阶段自 动驾驶技术以及更高 级别智能驾驶的基础。
深度学习在人工智能中的地位及应用
深度学习在人工智能中的地位及应用
深度学习新方法：像人一样玩游戏
贝叶斯类（Bayesin）类
监督学习类算法
人工神经网络
• 机器人大脑也称为“类脑”（或智能计算机、人造大脑），它涉及了 脑科学、心理学、计算机、自动化、材料、教育等等学科，关于机器 人大脑的定义至今尚未有一个公认的定义。
机器人大脑
机器人大脑
深度学习的概念
深度学习（DL）是机器学习中一种基于对数据进行表征学习的方法， 是一种能够模拟出人脑的神经结构的机器学习方法。它源于人工神经网 络的研究。而人工神经网络ANN（Artificial Neural Network）是从 信息处理角度对人脑神经元网络进行抽象，建立某种简单模型，按不同 的连接方式组成不同的网络，简称为神经网络或类神经网络。因此，深 度学习又叫深层神经网络DNN（Deep Neural Networks），是从之 前的人工神经网络ANN模型发展而来的。
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
《人工智能导论》 浙江科技学院 信息学院 计算机系 程志刚2006s2
《人工智能导论》 浙江科技学院 信息学院 计算机系 程志刚2006s2
3.2.2 深度优先搜索
定义
• 首先扩展最新生成的（即最深的）节点，深度相等的节 点可以任意排列。
特点
• 搜索沿着状态空间某条单一的路径从起始节点向下进行 下去；只有当搜索到达一个没有后裔的状态时，它才考 虑另一条替代的路径。
例子：八数码难题(8 puzzle problem)
283
123
164
84
75
765
初始状态
目标状态
f(n)=d(n)+W(n)
有序搜索树如下
《人工智能导论》 浙江科技学院 信息学院 计算机系 程志刚2006s2
0
《人工智能导论》 浙江科技学院 信息学院 计算机系 程志刚2006s2
算法
• 为了防止搜索过程沿着无益的路径扩展下去，往往给出 一个节点扩展的最大深度--深度界限。
• 与宽度优先算法最根本的不同在于：扩展的后继节点放 在OPEN表的前端
《人工智能导论》 浙江科技学院 信息学院 计算机系 程志刚2006s2
源自文库
3.2.3 等代价搜索
定义
• 是宽度优先搜索的一种推广，不是沿着等长度路径的断 层进行扩展，而是沿着等代价路径断层进行扩展。
3.1 图搜索策略
图搜索控制策略
• 一种在图中寻找路径的方法。 • 图中每个节点对应一个状态，每条连线代表一个操作符。
这些节点与连线（状态与操作符）分别由产生式系统的 数据库和规则来标记。初始节点和目标节点分别代表初 始数据库和满足终止条件的数据库。求得把一个数据库 变换为另一数据库的规则序列问题就等价于求得图中的 一条路径问题。
估价函数
• 为获得某些节点“希望”的启发信息，提供一个评定侯 选扩展节点的方法，以便确定哪个节点最有可能在通向 目标的最佳路径上 。 f(n)——表示节点n的估价函数值
• 建立估价函数的一般方法：
试图确定一个处在最佳路径上的节点的概率； 提出任意节点与目标集之间的距离量度或差别量度； 或者在棋盘式的博弈和难题中根据棋局的某些特点来决定棋局的
《人工智能导论》 浙江科技学院 信息学院 计算机系 程志刚2006s2
NOTE
教学内容：本章在上一章知识表示的基础上研究问题求 解的方法，是人工智能研究的又一核心问题。内容包括 早期搜索推理技术，如图搜索策略和消解原理；以及高 级搜索推理技术，如规则演绎系统、产生式系统、系统 组织技术、不确定性推理和非单调推理。
启发式搜索策略
• 应用某些准则，利用启发信息，重新排列每一步OPEN表 中所有节点的顺序。然后，搜索就可能沿着某个被认为 是最有“希望”的边缘区段向外扩展。
• 应用这种排序过程，需要某些估算节点“希望”的量度， 这种量度叫做估价函数(evalution function)。
《人工智能导论》 浙江科技学院 信息学院 计算机系 程志刚2006s2
宽度优先搜索 框图
《人工智能导论》 浙江科技学院 信息学院 计算机系 程志刚2006s2
例子：八数码难题(8 puzzle problem)
283 14 765
初始状态
123 84 765
目标状态
规则：将数字移入空格的顺序为：从空格左边开始顺时
针旋转。不许斜向移动，也不许移回先辈节点。
要扩展26个节点，共生成46个节点后才能求得解
• 搜索树种每条连接弧线上的有关代价，表示时间、距离 等花费。
算法
• 若所有连接弧具有相同的代价，则简化为宽度优 先搜索算法。
《人工智能导论》 浙江科技学院 信息学院 计算机系 程志刚2006s2
等代价搜索框图
《人工智能导论》 浙江科技学院 信息学院 计算机系 程志刚2006s2
3.3 启发式搜索
Artificial Intelligence
人工智能
浙江科技学院 信息学院 程志刚
2020/1/17
第三章 搜索推理技术
3.1 图搜索策略 3.6 产生式系统
3.2 盲目搜索
3.7 系统组织技术
3.3 启发式搜索 3.8 不确定性推理
3.4 消解原理
3.9 非单调推理
3.5 规则演绎系统 3.10 小结
• 宽度优先 • 深度优先 • 等代价搜索
《人工智能导论》 浙江科技学院 信息学院 计算机系 程志刚2006s2
3.2.1 宽度优先搜索
定义
• 以接近起始节点的程度逐层扩展节点的搜索方法
特点
• 一种高代价搜索，但如有解存在，则必能找到。
算法
《人工智能导论》 浙江科技学院 信息学院 计算机系 程志刚2006s2
得分数。
• 应用节点“希望”程度，（估价函数值）重排OPEN表。
《人工智能导论》 浙江科技学院 信息学院 计算机系 程志刚2006s2
3.3.2 有序搜索
实质
• 选择OPEN表中具 有最小f值的节点作 为下一个要扩展的 节点。
有序搜索算法框图
《人工智能导论》 浙江科技学院 信息学院 计算机系 程志刚2006s2
特点
• 重排OPEN表，选择最有希望的节点进行扩展。
种类
• 有序搜索 • A*算法
《人工智能导论》 浙江科技学院 信息学院 计算机系 程志刚2006s2
3.3.1 启发式搜索策略和估价函数
盲目搜索可能带来组合爆炸 定义：
• 搜索过程中，往往存在许多与具体问题领域相关的特征 信息，可以用来加速搜索过程，这种信息叫做启发信息。 利用启发信息的搜索方法叫做启发式搜索方法。
重要概念
• OPEN表与CLOSE表 • 搜索图与搜索树
《人工智能导论》 浙江科技学院 信息学院 计算机系 程志刚2006s2
图搜索过程图 GRAPHSEARCH
《人工智能导论》 浙江科技学院 信息学院 计算机系 程志刚2006s2
3.2 盲目搜索
特点：
• 不需重排OPEN表
种类
教学重点：图搜索策略、消解原理、规则演绎系统、产 生式系统。
教学难点：启发式搜索、规则双向演绎系统等。 教学要求：重点掌握一般图搜索策略和消解原理，掌握
各种搜索方法和产生式系统原理，了解规则演绎系统的 基本原理，对系统组织技术、不确定性推理和非单调推 理等高级推理技术作一般性了解。
《人工智能导论》 浙江科技学院 信息学院 计算机系 程志刚2006s2