人工智能柴玉梅版第二章知识整理

问题：指事件或事物的已知或当前状态与目标状态之间的有差异。

问题求解：指在一定的控制策略下，通过一系列的操作或运算来改变问题的状态，使之与目标状态接近或一直。

问题求解所需的知识（求解框架）：叙述性知识、描述客观事物的特点及关系。

过程性知识、通常是解决问题的操作步骤和过程的知识，也称为操作性知识。

控制性知识、求解问题的方法和技巧的知识，确定解决问题的策略。

知识表示:研究在计算机中如何用最合适的形式表示问题求解过程中所需要的各种知识，包括构成问题求解框架的全部知识。

常用的知识表示形式:状态空间图，与或图，谓词逻辑，产生式，框架，语义网络
盲目搜索：无向导的搜索，也称穷举搜素。

在搜索过程中，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。

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。

步1、把初始几点S。

放入OPEN表中，计算h(S。

)；
步2、若OPEN表为空，则搜索失败，退出。

步3、否则，移出OPEN表中第一节点N放入CLOSED表中，并冠以序号n;
步4、若目标结点S。

=N，则搜索成功，利用CLOSED表中的返回指针找出S。

到N的路径即为所求解，退出。

步5、若N不可扩展，则转步2；
步6、否则，扩展N，计算N的每个子节点x的启发函数h(x)，并将N所有子节点x配以指向N的返回指针后放入OPEN表中，依据启发函数值h(x)对节点的计算，对OPEN表中所有节点按其启发函数值的大小以升序排列，转步2.
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。

步6、否则，扩展N，计算N的每个子节点x的启发函数值h(x),并将N的所有子节点x配以指向节点N的指针后，将全部子节点按数值升序排列后反之OPEN表的首部，转步2.
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。

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，不同控制策略就是通过节点在OPEN表中的不同排序来实现的。

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）。

搜索结束时，可以利用节点之间的关系，找到问题的解路径或解树。

实际上，CLOSED表中存放的就是一定搜索策略下的搜索树。

广度优先搜索的特点：
广度优先中OPEN表是一个队列，广度优先搜索又称为宽度优先或横向搜索。

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。

产生式系统的组成：产生式规则库、推理机和动态数据库
操作（状态转换规则）：1引起状态中某些分量发生改变，从而使一个具体状态变化到另一个具体状态的作用；2它可以是一个机械性的步骤、过程、规则或算子。

3操作描述了状态之间的关系；4状态转换规则在状态图中表示为边。

在程序中状态转换规则可用数据对、条件语句、规则、函数、过程等表示。

状态图：一个问题的全部状态及其关系就构成一个空间，称为状态空间或状态图。

与或图：图中既有与关系，又有或关系的称为与或图。

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。

本原问题：直接可解的简单问题，本原问题对应的节点成为终止节点，在与或图中无子节点称为端节点；一个节点的子节点如果是“与”关系，则该节点便称为与节点；一个节点的子节点如果为“或”关系，则称该节点便称为或节点。

注意：终止节点一定是端节点，但端节点不一定是终止节点。

状态空间：问题的状态空间是一个表示该问题全部的可能状态及相互关系的图。

可解性判别：（1）可解节点要满足下列条件之一：1终止节点是可解节点；2一个与节点可解，当且仅当其子节点全部可解；3一个或节点可解，只要其子节点至少有一个可解。

（2）不可解节点要满足下列条件之一：1非终止节点的端节点是不可解节点；2一个与节点不可解，只要其子节点至少有一个不可解；3一个或节点不可解，当且仅当其子节点全部不可解。

与或树的有序搜索：代价决定搜索路线的方法称为。

解树的代价就是树根的代价。

树根的代价是从树叶开始自下而上逐层计算而求得的。

解树代价的计算方法：g(x)表示节点x的代价，c(x,y)表示节点x到其子节点y的代价(即边xy的代价)，则(1)若x是终止节点，g(x)＝0；(2)若x是或节点；(3)若x是与节点x，则有两种计算公式。

代价法和最大代价法(4)对非终止的端节点x，g(x)＝∞
博弈树的特点：1博弈的初始格局是初始节点；2在博弈树种，或节点和与节点是逐层交替出现的。

自方MAX的扩展的节点之间是或关系，对方MIN扩展的节点之间是与关系。

双方轮流地扩展节点；3所有自方获胜的终局都是本原问题，相应的节点是可解节点；所有使对方获胜的终局都是不可解节点。

极小极大分析法：对与节点求极小值，对或节点球极大值计算个先辈结点倒推值得方法。

极大极小分析方法去最佳走步的具体过程：1、按扩展深度限制（回合数）扩展节点，对末端节点静态估值；2、对内部节点按极小极大分析方法求倒推值；3、根据根节点的倒推值决定一个最佳走步。

4、每扩展一次，对内部节点都用新的倒推值代替全来的静态估值或原来的倒推值，5、如果一个行动方案能获得较大的倒推值，则他就是当前最好的行动方案。