人工智能一种现代方法,课后题名词解释

名词解释
Intelligence: 字典中定义为“获取知识和应用知识的能力”或“思考和推理的能力”或“理解和从经验中获益的能力”。这些都是合理的解释，但是如果我们想要量化的定义那就是“为了在一种环境下更好的执行而应用知识的能力”
Artificial intelligence: 智能体程序的研究和构建，对于一个给定的智能体体系，它可以在给定的环境下做正确的事。
Agent: 一个实体，它能感知环境并做出响应，采取相应的行动。
Agent function：一个函数，它指定了智能体在响应所有可能的感知序列时的行动。
Agent program: 智能体程序是结合机器体系结构，来实现智能体函数，在我们的简单设计中，程序的每次调用都获得一个新的感知并做出一个响应动作。
Rationality理性:智能体的特性，通过对数据的感知选择能达到最好预期效果的行为。
Autonomy自主：智能体的特性，它的行为由它自身的经验决定而不仅仅是由最初的程序决定。
Reflex agent 反射智能体：行为仅仅决定于当前感知的智能体。
Model-based agent:基于模型的智能体：响应取决于其内部世界状态模型，该状态是实时更新的。
Goal-based agent基于目标的智能体：选择行为的智能体，它相信它能明确的实现所描述的目标。
Utility-based agent基于效应的智能体：选择行为的智能体，它相信它能在结果状态中将期望效用最大化。
Learning agent学习智能体：通过累计经验，它的行为会得到改善。
state : 状态是智能体所处的一种情形。我们区别两种状态类型：世界状态（真实世界中实际具体情况）和具有代表性的状态（真实世界的抽象描述，在考虑有关做什么的情况下，智能体会使用它）
state space状态空间：一个状态空间是一个图表，它的结点是所有状态的集合，且它的连接是从一个状态转变为另一状态的行为。
search tree搜索树：搜索树是一棵树（有计划性循环的一个图表），在这棵树里，根结点是开始状态，每个结点的子集由通过采取行动可达到的状态组成。
search node搜索节点：搜索树上的节点
goal目标：一个智能体正试图达到的状态。
Action动作：一个动作是智能体可以选择去做的一些事情。
Successor function后继函数：它描述了智能体的选项：给定一个状态，它返回成对（动作，状态）的集合，在此每个状态是可以通过采取动作能达到的状态。
branching factor分支因子：搜索树中的分支因子是智能体可使用动作的数量。
constraint satisfaction problem约束满足问题：一个问题，其目标是为每一组变量选择一个值，在这种方法下所有所选值服从一组约束
constraint约束：一个约束是对两个或多个变量的可能值的限制。例

如，一个约束可能是，当会同B=b时A= a是不允许的。
Backtracking search回溯搜索：回溯搜索是一种形式的深度优先搜索，这种状态有一个单一的表现，即从每个后继获得更新然后必须在查找结束后恢复。
Arc consistent：弧相容指在CSP中从变量A到变量B的一个定向弧，对于当前A值域中的每一个值，在B中存在它的相容值。
Backjumping向后跳转：向后跳转是使回溯搜索更有效的方法，当一个结束点到来时，通过不止一级的向后跳转（使回溯搜索更有效）
Min-conflicts最小冲突：最小冲突是一个在使用本地搜索解决CSP问题时的启发式。启发式的大意是，当给定一个要修改的变量，选择那些与其他变量冲突最少的值。