人工智能简略复习大纲58

课程重点章节介绍
• 本教材共分7章，其中第1.2~1.4，第2章， 3.2~3.4，4.1~4.4，6.1~6.6，7.4为重点章 节。
本课程重点和难点内容简介
• 第0章 人工智能的定义，人工智能三种主要学派 及其主要观点，人工智能的应用领域
人工智能的定义
定义1 智能思考机器
能够像人一样进行一些与心智能力相关的思 维活动。
人工智能-复习大纲
——马少平，朱小燕编著
课程简介
• 通过人工智能课程的学习，了解人工智能 的发展概况、人工智能与人类智能之间的 联系、人工智能的应用领域、机器学习、 神经计算、遗传算法、专家系统等基本概 念，掌握知识表示方式和推理、搜索推理、 消解原理等人工智能原理的基本理论、方 法及其应用技术，注重培养综合运用人工 智能原理的知识解决问题的能力。
它的估价函数f的选取时，忽略了从初始节 点到目前节点的代价值。所以，可考虑每 个节点n的估价函数f(n)分为两个分量：从 起始节点到节点n的代价g(n)以及从节点n到 达目标节点代价的估算值h(n)。
f(n)=g(n)+h(n)
A算法的引入：
• f(n)——节点n的估价函数； g(n)——从初始节点S到n节点的实际代价； h(n)——从n到目标节点Sg最佳路径的估计代价。
h(n)的计算方法：
• h(n)依赖于有关问题的领域的启发信息。 这种信息与当前节点到目标的差距有关， h(n)叫做启发函数。
A*算法的定义：
• 在图搜索的过程中，如果重排OPEN表是 依据f*(n)=g*(n)+h*(n)进行的，则称该过 程为A*算法。
• 其中，g*(n)——实际代价函数g(n)的最优值， 即g*(n)g(n)。
开始
把S放入OPEN表
OPEN表为空表？
是
否
n为目标节点吗？
是
否
把第一个节点(n)从OPEN表移至CLOSED表
失败 成功
把n的后继节点放入OPEN表的 末端，提供返回节点n的指针
修改指针方向
重排OPEN表
图搜索的一般过程
图搜索技术的分类
• 按照在搜索过程中，是否使用了中间结 果给出的提示信息，可将搜索策略分为 盲目搜索(未使用启发性信息)，和启发 式搜索(使用了启发信息)两大类。
宽度优先搜索与深度优先搜 索的其他区别:
• 只要问题有解，宽度优先搜索总是能找到， 并且找到的总是搜索路径最短的解；而深 度优先搜索却因为可能陷入一条“花园小 径”，不一定能够找到解，并且找到的解 也不一定是搜索路径最短的解。
Leabharlann Baidu
启发式图搜索
• 搜索过程需要对OPEN表重排，如：爬山法、 分支界限法、动态规划法(均一代价法)、最 佳优先搜索法、A*算法等。
• 缺点：要存储很多分支结点的界限和对应 的耗费矩阵，花费很多内存空间。
具有动态规划原理的分支界限法
• 具有动态规划原理的分支界限法，根据分 支界限法得出的各种可能的局部解，根据 最小耗散值原则，舍弃那些肯定不能得到 最优解的局部解，在每一步都经过筛选， 以每一步都是最优解来保证全局是最优解。
• 这种方法，也可称为均一代价法或等代价 法。
• 这里h(n)体现了搜索的启发信息，因为g(n)是已 知的。如果说详细点，g(n)代表了搜索的宽度优 先趋势。但是当h(n)g(n) 时，可以省略g(n),而 提高效率。
g(n)的计算方法：
• g(n)就是在搜索树中从S到n这段路径的 代价，这一代价可以由从n到S寻找指针 时，把所遇到的各段弧线的代价加起来 给出(这条路径就是到目前为止用搜索 算法找到的从S到n的最小代价路径)。
对右图所示的状态空 间图进行：
盲目搜索
• 搜索过程无须对OPEN表进行重排，如： 宽度优先搜索、深度优先搜索。
深度优先搜索
• 深度优先搜索优先扩展新产生的节点，如 示意图。
宽度优先搜索
• 宽度优先搜索逐层进行，如示意图。
宽度优先搜索与深度优先搜 索的主要区别
• 每次新生成节点时，宽度优先搜索总是将 其插入OPEN表的末尾，而深度优先搜索总 是将其插入到OPEN表的前头。
定义2 智能行动机器
能够像人一样执行某些需要智能才能完成的 功能。
目前人工智能的主要学派
• 符号主义
认为人工智能源于数理逻辑。
• 连接主义
认为人工智能源于仿生学，特别是人脑模型的研 究。
• 行为主义
认为人工智能源于控制论。
第1章 搜索问题
• 图搜索的一般技术 回溯策略；无信息图搜索技术，包括
深度优先、宽度优先搜索；启发式图搜索 技术，包括爬山法、分支界限法、动态规 划法(均一代价法)、最佳优先搜索、A*算法 等的计算。
最佳优先搜索算法
• 是“爬山法”的推广，但它是对OPEN表中 所有节点的h(n)进行比较，按从小到大的顺 序重排OPEN表，因此是一种全局寻优法。
• 其算法效率类似于深度优先搜索算法，但 使用了当前节点与目标的估测距离h(n)函数， 来确定下一步待扩展的节点，因此是一种 启发式搜索方法。
A算法
• 最佳优先算法有时无法得到最优解，因为
耗散值的概念及应用
• 搜索图中，在任意两节点弧线间移动付出 的代价，叫弧线耗散值。
• 而一条路径的耗散值等于，连接这条路径 各节点间所有弧线耗散值的总和。
• 分支界限法、动态规划法（均一代价法、 等代价搜索法）中，均采用路径耗散值作 为评价函数，即每次扩展优先选择具有最 小路径耗散值的节点进行，记做f(n)=g*(n)。
登山法算法步骤：
① 设定初始节点n； ② 如果n是目标，则成功退出； ③ 扩展n，得到其子节点集合； ④ 从该集合中选取h(n)为最小的节点n’； ⑤ 将n’设为n，返回第②步。
分支界限法
• 分支界限法则以宽度优先或以最小耗费优 先的方式，搜索满足约束条件的一个解， 或是在满足约束条件的解中找出在某种意 义下的最优解。
爬山法
• 爬山法是一种局部搜索方法，模仿瞎子爬山的过 程：从立足处用明杖向前一试，觉得高些，就向 前一步，如果前面不高，向左一试，高就向左一 步，不高再试后面，高就退一步，不高再试右面， 高就向右走一步，四面都不高，就原地不动.总之， 高了就走一步，就这样一步一步地走，就走上了 山顶。 这个向各方向的测试“步”，就是“爬山法” 的估价函数h(n)。