人工智能整合

1、人工智能诞生的标志：

1956年夏季，来自数学、心理学、神经生理学、信息论和计算机方面的十位专家，在美国达特莫斯大学召开一次历时两个月的研讨会，讨论了关于机器智能的有关问题，会上达特莫斯大学的麦卡锡提议正式采用“人工智能”一次，标志人工智能学科的正式诞生。

2、状态空间图中三元素分别代表什么？

状态空间常记为三元组：，S为初始状态的集合，F为操作的集合，G为目标状态的集合。

3、与或图的定义是？

与或图中节点代表问题：子节点为与关系的节点为与节点，子节点为或关系的节点为或节点，在与或图中无子节点的节点称为端节点。包含与或节点的图称之为与或图。

4、产生式系统推理中的三个推理定义：

（1）正向推理：从事实出发，向目标方向进行推理；

（2）反向推理：从目标出发，向事实方向进行推理；

（3）双向推理：同时从事实和目标出发进行推理。

5、人工智能的学派：

传统划分方法：符号主义学派、连接主义学派和行为主义学派；

现代划分方法：符号智能流派、计算智能流派、群体智能流派。

6、归结策略有哪些：1、删除策略 2、支持集策略 3、线性归结策略 4、单元归结策略 5、语义归结策略祖先过滤型策略；除此之外还有锁归结策略、输入归结策略。

7、不确定性的类型：（1）随机不确定性（2）模糊不确定性（3）不完全性（4）不一致性

简答：

①人工智能的研究领域：

1、博弈

2、自动定理证明

3、专家系统

4、模式识别

5、机器学习

6、计算智能

7、自然语言处理

8、分布式人工智能

9、机器人。

②子句集的8个步骤：

（1）消去蕴含词“->”和等值词“<->”。

（2）缩小否定词的作用范围，使否定词仅作用于原子公式。

（3）变量标准化。适当改名，使得不同量词指导变量不同。

（4）消去存在量词，同时要进行变量替换。

（5）消去所有全称量词。

（6）将公式化为合取范式。

（7）适当改名，使子句之间不含同名的指导变量。

（8）消去合取词，以子句为元素组成一个集合S。

1、状态空间图：状态、操作、状态空间图、求解

2、状态空间图的盲目搜索算法的概念和步骤：深度优先、广度优先（教材30-32页）

3、状态空间图的启发式搜索算法的概念：以启发性知识为导航的搜索就是启发式搜索。

按照考察节点的选择范围不同，算法分为全局择优和局部择优两种。

4、A算法：启发式搜索算法中同时考虑初始节点到当前节点已经付出的代价和当前节点到目标节点的代价，即引入估价函数f(x)=g(x)+h(x)

5、 A*算法：A*算法是一种启发式搜索方法，搜索时对扩展节点的选择方法做了一些限制。要求根据估价函数 f(x)=g(x)+h(x) 对OPEN表中的节点进行排序，并且要求启发函数 h(x) 是 h*(x) 的一个下界，即 h(x)<=h*(x)。h*(x) 是从x节点到目标节点的最小代价路径上的代价。

A* 算法和A算法的区别就是A算法不要求启发函数h(x) 是 h*(x) 的一个下界，即不限制条件h(x)<=h*(x)。A*算法具有可采纳性（如果问题有解，该算法一定能够在有限步内找到一条最优解）、单调性（启发函数值单调递增）、信息性（启发函数的值越大，搜索效率越高）

6、与或图：与或图中节点代表问题：子节点为与关系的节点为与节点，子节点为或关系的节点为或节点，在与或图中无子节点的节点称为端节点。包含与或节点的图称之为与或图。

7、博弈树：

概念：博弈问题的状态空间就是以状态为节点、以合法走步为边的一个树形图，称为博弈树。博弈树的特点：博弈树中的与、或节点会按层交替出现。

8、极小极大分析：对与节点求极小值、对或节点求极大值计算各先辈节点倒推值的方法。

9、α-β剪枝：边生成博弈树边计算各节点的倒推值，并且根据已知倒推值的范围，及时停止那些不必要节点的生成，即相当于对这些节点（及其以下分支）“剪枝”，从而减少搜索节点的数目，提高搜索效率。α-β剪枝就是一种典型的在极小极大分析分析中使用的剪枝技术。

算法：

启发式搜索算法

解：问题状态问题状态: 物体在迷宫中的位置坐标(x, y).则初始状态: (1, 1) 目标状态: (4, 4) 操作规则:

U:上方无墙→向上走一步(x, y+1) D:下方无墙→向下走一步( x, y-1)

L:左方无墙→向左走一步 (x-1, y) R:右方无墙→向右走一步( x+1, y)

启发函数可设置为到出口的距离h(x)=4-x+4-y, g(n)＝d(n)为走过的路径长度, f(n) = g(n) + h(n), 显然可以满足 A*的条件其中, (x,y) 为目标点坐标点n的坐标。

以深度优先排序时则搜索下图：

A*算法

设计一个重排九宫问题的估价函数f(n)，使其满足A*算法的要求；题目内容见教材37页例2.8。画出使用该估价函数的搜索图，并标注每个节点的f(n)值。

解：估价函数f（x）＝g（x）＋h（x）

g(x)用节点深度d（x）来衡量

h（x）用x的格局与目标节点格局相比，不正确的数目。

博弈树的极大极小分析求最佳走步。(教材61页第12题 )

解:最佳走步根据扩展步倒推值确定。在目前扩展状态,从叶节点预估值开始倒推。对于与节点,其值为子节点的最小值,或节点为其子节点的最大值。图中圆形代表与结点,方框代表或结点。最佳走步为左子树。

博弈树的α-β剪枝：本质都是剪枝，对于与节点min的操作称之为α剪枝，对于或节点max的操作称之为β剪枝。具体操作请仔细学习教材55-56页图2-37。再举一例：对下图所示的博弈树进行α-β剪枝法

搜索，从左到右搜索，标明各节点的倒推值，在可以剪枝的分支上画⨯，注明是什么剪枝，选择最佳走步。