人工智能期末复习

人工智能：Artificial Intelligence，简称AI，主要研究如何使用人工的方法和技术，使用各种自动化机器或智能化机器模仿、延伸和扩展人的智能，实现某些机器的智能行为。传统划分①符号主义学派

②联结主义学派

③行为主义

学派现代1.符号智能流派2.计算智能流派3.群体智能流派人工智能的基本技术：1知识表示技术2知识推理、计算和搜索技术3系统实现技术。

符号智能的表示是知识的表示，运算是基于知识表示的推理或符号操作，采用搜索方法进行问题求解，一般在问题空间上进行，计算智能的表示是对象表示，运算时给予对象的表示的操作或计算，采用搜索方法进行问题求解，一般是在解空间上进行。

人工智能的研究领域：定理证明、专家系统、模式识别、机器学习、计算智能、自然语言处理、组合调度问题。

应用领域：难题求解、自动定理证明、自动翻译、智能管理、智能通信、智能仿真等。

人工智能的主要研究途径与方法：1功能模拟。符号推演2结构模拟。神经计算3行为模拟。控制进化

人工智能的研究目标及其意义：

1目标：远期目标是要制造智能机器，即探索智能的基本机理，最终制造出和人有相似或相近智力和行为能力的综合智能系统；近期目标是实现机器智能，即研究如何使用现有的计算机具备更高的智能，在一定领域或在一定程度上去完成需要人的复杂脑力劳动才能完成的工作。

2意义：普遍的计算机智能低下，无法满足社会需求；研究AI是当前信息化社会的迫切需求；智能化是自动化发展的必然趋势；研究AI，对人类自身的智能的奥秘也提供有益的帮助。

人工智能的基本内容：1从人工智能的定义出发包括（感知与交流的模拟，记忆，联想，计算，思维的模拟，输出效率或行为模拟2从知识工程的角度出发包括（知识的获取，知识的处理以及知识的运用）

人工智能诞生1956年夏，达特莫斯大学的研究会，麦卡锡提议正式采用了“AI”术语。发展：推理期，知识期，学习期ＡＩ的现状与发展趋势：１多种途径齐头并进，多种方法协作互补２新思想、新技术不断涌现，新领域新方向不断开拓3理论研究更加深入，应用研究愈加广泛4研究队伍日益壮大，社会影响越来越大。以上展现了AI繁荣景象和光明前景，虽有困难，问题和挑战，但前进和发展毕竟是大势所趋。

盲目搜索：无向导的搜索，也称穷举搜素。在搜索中，没有任何背景知识作指导，不考虑任何与解有关的信息，随机地或按预先规定的顺序（如广度优先和深度优先）机械地生成树的节点，并判断是否为解，直到找到解或证明问题无解为止。

特点：搜索效率太低，所以在实际中往往是不可行的。启发函数：通过函数计算来评价每种选择的价值大小，用以指导搜索过程。

启发式搜索：利用问题本身的“启发性信息”不断地改变或调整搜索的方向，使搜索朝着问题本身最希望的方向进行，加速问题的求解并找到最优解。特点：重排OPEN表，选择最有希望的节点加以扩展。

盲目和启发搜索的的不同：对于较大或无限状态空间问题，

盲目搜索效率太低，所以在实际当中往往是不可行的。启发式搜索广泛地应用于实际问题求解中，如博弈、机器学习、数据挖掘、智能检索等。

启发式搜索—全局择优算法：也叫做最好优先搜索，在启发性知识导航下的广度优先搜索，在OPEN表中保留所有已生成而为考察的节点，对其中的每个节点x计算启发函数h（x）,从全部节点中选出最优节点进行扩展，而不管这个结点出现的搜索树的什么地方。

局部择优：是启发性知识导航下的深度优先搜索，在OPEN表中保留所有已生成为为考察的节点，对其中新生成的每个子节点x计算启发函数h(x),从全部子节点中选出最优节点进行扩展，其选择下一个要考察的结点的范围是刚刚生成的全部子节点。

在图搜索算法中，OPEN表，CLOSED表的作用各是什么 OPEN表：专门登记已经生成但还没有考察的节点，即待考察节点。算法执行时总是从OPEN表的首部取出节点。 CLOSED表：用来记录考察过的节点以及节点之间的关系，如每个节点指向父节点的编号（返回指针）。

广度优先搜索的特点：广度优先中OPEN表是一个队列，又称为宽度优先。广度优先策略是完备的，即如果问题的解存在，则它一定可以找到解，并且找到的解还是最优解。广度优先搜索策略与问题无关，具有通用性。缺点搜索效率低深度优先搜索的特点：OPEN表为一个堆栈。深度优先又称纵向搜索。一般不能保证找到最优解。当深度限制不合理时，可能找不到解，可以将算法改为可变深度限制，即有界深度优先搜索。最坏情况时，搜索空间等同于穷举。

广度优先搜索及深度优先搜索都是盲目搜索，其共同点是：1搜索从初始节点开始，先自上而下地进行搜索，寻找终止节点及端节点，然后再自下而上地进行可解性标记，一旦初始节点被标记为可解节点或不可解节点，搜索就不再继续进行；2搜索都是按确定路线进行的，当要选择一个节点进行扩展时，只是根据节点在与或树中所处的位置，而没有考虑要付出的代价，因而求得的解树不一定是代价最小的解树，即不一定是最优解树。

与或图表示的是问题空间，状态空间图是一个表述问题全部可能状态及相互关系的有向图。

图搜索模式的是人脑分析问题，解决问题的过程，它是基于领域知识的问题求解过程。搜索方式为树式搜索和线性搜索。遗传算法是一种什么样的算法？适合于解决哪一类的问题？遗传算法时人们从生物界按自然选择和有性繁殖、遗传变异的自然进化现象中得到启发，而设计出来的一种随机优化搜索算法。遗传算法适合解决先验知识缺乏，希望寻找最优解，搜索空间不连续的这一类问题，如机器学习、规划、聚类、控制、调度等领域的问题。适合解决先验知识缺乏，希望寻找最优解，搜索空间不连续的这一类问题，如机器学习、规划、聚类、控制、调度等领域的问题。

化子句集的过程：1消去蕴含词和等值词2使否定词仅作用于原子公式3适当改名使量词间不含同名指导变元4消去存在量词5消去全称量词6化公式为合取范式7适当改名使子句间无同名变元8消去合取词以子句为元素组成一个集合S。谓词逻辑归结过程：写出谓词关系公式→用反演法写出谓词表达式→ SKOLEM 标准形→子句集S →对S中可归结的子句做归结→归结式仍放入S中，反复归结过程→得到空子句，得证。

归结策略：1删除策略：在归结过程中可随时删除一下子句：含有纯文字；含有永真式；被子句集中别的子句类含的。2支持集策略：每次归结时，两个亲本子句中至少要有一个是目标公式否定的子句或其后裔。这里的目标公式否定的子句集即为支持集。3线性归结策略：在归结过程中，除第一次归结可都用给定的子句集S中的子句外，其后的各次归结则至少要有一个亲本子句是上次归结的结果。4输入归结策略：每次参与归结的两个亲本子句，必须至少有一个是初始子句集S中的子句。5单元归结策略：每次参加归结的两个亲本子句必须至少有一个是单元子句。6祖先过滤策略：参加归结的两个子句，要么至少有一个是初始子句集中的子句；要么一个是另外一个的祖先。（其中完备的策略有：删除、支持集、线性祖先过滤形策略；不完备的是输入归结、单元归结策略。）

归结策略的类型：1简化型策略2限制性策略3有序性策略按照拓扑结构分，

神经网络可分为哪几类？各具有什么网络特征？四大类：分层前向网络、反馈前向网络、互连前向网络、广泛互连网络。分层前向网络的结构特征是网络由若干层神经元组成，分为输入层、中间层和输出层，各层顺序连接；信息严格按照从输入层进，经过中间层，从输出层的方向流动。反馈前向网络是一种分层前向网络，输出曾到输入层具有反馈连接。互连前向网络的同层神经元之间有相互连接。广泛互连指在网络中任意两个神经元之间都是可以或可能是可达的。

何为不确定性？不确定性有哪些类型？

在我们所获得的、所处理的信息和知识中，往往含有不肯定、不准确、不完全甚至不一致的成分，这就是所谓的不确定性。按性质来分，不确定性大致分为五种类型：随机性、模糊性、不完全性、不一致性和时变性。

为什么使用归结原理进行定理证明时要使用归结策略？把归结原理在机器上实现，就要把归结原理用算法表示，对于怎么样在已知子句集中选取两个子句进行归结，最简单的方法就是采用穷举法。穷举法能够保证对于不可满足的子句一定可以归结出空子句，但穷举法最大的缺点就是效率太低，当参加子句集中子句数目过多时，所产生的中间子句将会呈现爆炸式增长，以致机器无法容纳，而采用相应的归结策略之后就