人工智能期末復(fù)習(xí)資料

一、智能化智能體什么是智能體什么是理性智能體智能體的特點(diǎn)有哪些智能體的分類有哪些智能體定義：經(jīng)過傳感器感知所處環(huán)境并經(jīng)過執(zhí)行器對該環(huán)境產(chǎn)生作用的計(jì)算機(jī)程序及其控制的硬件。理性智能體定義：給定感知序列(perceptsequence)和內(nèi)在知識(shí)(built-inknowledge)理性智能體能夠選擇使得性能胸襟的希望值(expectedvalue)最大的行動(dòng)。智能體的特點(diǎn)：自主性（自主感知學(xué)習(xí)環(huán)境等先驗(yàn)知識(shí)）、反應(yīng)性（Agent為實(shí)現(xiàn)自己

，目標(biāo)做出的行為）、社會(huì)性（多Agent及外在環(huán)境之間的協(xié)作協(xié)商）、進(jìn)化性（Agent自主學(xué)習(xí)，漸漸適應(yīng)環(huán)境變化）智能體的分類：簡單反射型智能體：智能體搜尋一條規(guī)則，其條件知足當(dāng)前的狀態(tài)（感知），爾后執(zhí)行該規(guī)則的行動(dòng)?；谀Ｐ偷姆瓷湫椭悄荏w：智能體依據(jù)內(nèi)部狀態(tài)和當(dāng)前感知更新當(dāng)前狀態(tài)的描述，選擇吻合當(dāng)前狀態(tài)的規(guī)則，爾后執(zhí)行對應(yīng)規(guī)則的行動(dòng)。基于目標(biāo)的智能體：為了達(dá)到目標(biāo)選擇適合的行動(dòng)，可能會(huì)考慮一個(gè)很長的可能行動(dòng)序列，比反射型智能體更靈便?；诠δ艿闹悄荏w：決定最好的選擇達(dá)到自己的知足。學(xué)習(xí)型智能體：自主學(xué)習(xí)，不停適應(yīng)環(huán)境與修正本來的先驗(yàn)知識(shí)。2.描述幾種智能體種類實(shí)例的任務(wù)環(huán)境PFAS，并說明各任務(wù)環(huán)境的屬性。答題舉例：練習(xí)：給出以下智能體的任務(wù)環(huán)境描述及其屬性刻畫。機(jī)器人足球運(yùn)動(dòng)員因特網(wǎng)購書智能體自主的火星遨游者數(shù)學(xué)家的定理證明助手二、用搜尋法對問題求解簡述有信息搜尋（啟示式搜尋）與無信息搜尋（盲目搜尋、非啟示式搜尋）的差別。非啟示式搜尋：按已經(jīng)付出的代價(jià)決定下一步要搜尋的節(jié)點(diǎn)。擁有較大的盲目性，產(chǎn)生很多的無用節(jié)點(diǎn)，搜尋空間大，效率不高。啟示式搜尋：要用到問題自己的某些信息，以指導(dǎo)搜尋朝著最有希望的方向前進(jìn)。因?yàn)檫@類搜尋針對性較強(qiáng)，因此原則上只需搜尋問題的部份狀態(tài)空間，搜尋效率較高。怎樣評論一個(gè)算法的性能（胸襟問題求解的性能）齊全性：當(dāng)問題有解時(shí)，算法可否能保證找到一個(gè)解；最優(yōu)性：找到的解是最優(yōu)解；時(shí)間復(fù)雜度：找到一個(gè)解需要花多長時(shí)間搜尋中產(chǎn)生的節(jié)點(diǎn)數(shù)空間復(fù)雜度：在執(zhí)行搜尋過程中需要多少內(nèi)存在內(nèi)存中儲(chǔ)藏的最大節(jié)點(diǎn)數(shù)簡述幾種搜尋方式的思想。非啟示式搜尋：廣度優(yōu)先搜尋：第一擴(kuò)展根節(jié)點(diǎn)，接著擴(kuò)展根節(jié)點(diǎn)的全部后續(xù)，爾后在擴(kuò)展它們的后續(xù)，挨次類推。在下一層的任何節(jié)點(diǎn)擴(kuò)展從前搜尋樹上本層深度的全部節(jié)點(diǎn)都已經(jīng)擴(kuò)展過。代價(jià)一致搜尋：擴(kuò)展路徑耗資最低的節(jié)點(diǎn)，若單步耗散相等，則等價(jià)于廣度優(yōu)先搜尋算法。深度優(yōu)先搜尋：擴(kuò)展搜尋樹的當(dāng)前邊沿中最深的節(jié)點(diǎn)。搜尋直接推動(dòng)到搜尋樹的最深層，

當(dāng)最深層節(jié)點(diǎn)擴(kuò)展完沒達(dá)到目標(biāo)節(jié)點(diǎn)則將向上回到下一個(gè)還有未擴(kuò)展后續(xù)節(jié)點(diǎn)的稍淺的節(jié)點(diǎn)。深度有限搜尋：深度為l的節(jié)點(diǎn)被當(dāng)作沒有后續(xù)的節(jié)點(diǎn)對待。迭代深入深度優(yōu)先搜尋：不停增大深度限制，直到找到目標(biāo)節(jié)點(diǎn)。代價(jià)一致搜尋的迭代搜尋：不停增添路徑耗散限制雙向搜尋：運(yùn)轉(zhuǎn)兩個(gè)同時(shí)的搜尋：向前搜尋（從初始狀態(tài)向前搜尋）和向后搜尋（從目標(biāo)狀態(tài)向后搜尋），擴(kuò)展節(jié)點(diǎn)前檢查該節(jié)點(diǎn)可否在另一棵樹的邊沿。啟示式搜尋：貪心最正確優(yōu)先搜尋：定義一個(gè)評論函數(shù)f，對當(dāng)前的搜尋狀態(tài)進(jìn)行評估，找出一個(gè)最有希望的節(jié)點(diǎn)來擴(kuò)展。局部搜尋算法：從單獨(dú)的一個(gè)當(dāng)前狀態(tài)出發(fā)，只搬動(dòng)到相鄰狀態(tài)，找目標(biāo)狀態(tài)，平時(shí)不保留搜尋路徑。爬山法搜尋：依據(jù)一個(gè)目標(biāo)函數(shù)，搜尋當(dāng)前街坊中狀態(tài)最好的一個(gè)（最陡上升）。（貪心局部搜尋）模擬退火搜尋：先高溫?zé)裏幔俾禍?。?dāng)“溫度”T降低得足夠慢，能找到全局最優(yōu)解的概率迫近1。局部剪枝搜尋：按必然概率隨機(jī)地從后續(xù)會(huì)集中選擇k個(gè)后續(xù)，若出現(xiàn)目標(biāo)狀態(tài)則停止，否則再從全部后續(xù)中選擇k個(gè)最正確后續(xù)，重復(fù)這一過程。遺傳算法：基于進(jìn)化過程中的信息遺傳體系和優(yōu)越劣汰的自然選擇原則的搜尋算法。4.什么是啟示式、啟示式函數(shù)、可采用的啟示式、一致的啟示式、啟示式搜尋PPT方法一：對h加以限制。評論函數(shù)

f(n)=g(n)+h(n)g(n):

從初始狀態(tài)

s到狀態(tài)n的實(shí)質(zhì)耗散值。h(n):f(n):

啟示函數(shù)，從狀態(tài)n到目標(biāo)的最短路徑的預(yù)計(jì)耗散值從s經(jīng)過n到目標(biāo)的最短路徑預(yù)計(jì)耗散值簡述A*算法，證明其最優(yōu)性。簡述智能優(yōu)化方法中遺傳算法的觀點(diǎn)及長處。遺傳算法經(jīng)過作用于染色體上的基因搜尋好的染色體來求解問題。隨機(jī)產(chǎn)生初始集體，此中每個(gè)個(gè)體恩賜一個(gè)數(shù)值評論即適應(yīng)度，基于適應(yīng)度來隨機(jī)選擇染色體，使適應(yīng)性好的染色體有更多生殖時(shí)機(jī)。長處：隨機(jī)搜尋：始于搜尋空間的一個(gè)隨機(jī)點(diǎn)集，而不像圖搜尋那樣固定地始于初始節(jié)點(diǎn)。滿意解并行搜尋：從搜尋空間的一個(gè)點(diǎn)集（種群）到另一個(gè)點(diǎn)集。適合大規(guī)模并行計(jì)算，有能力跳出局部最優(yōu)解。算法適應(yīng)性強(qiáng)：除確立適應(yīng)度函數(shù)外幾乎不需要其余先驗(yàn)知識(shí)不要求解的連續(xù)性，所以能從失散的、多極值、含噪聲的高維問題中找到全局最優(yōu)。三、知識(shí)表示課本P42用謂詞表達(dá)語句。四、確立性推理方法演繹推理、歸納推理、默認(rèn)推理的觀點(diǎn)。演繹推理是從全稱判斷推導(dǎo)出單稱判斷的過程，即由一般性知識(shí)推出適合于某一詳盡狀況的結(jié)論。這是一種從一般到個(gè)其余推理。歸納推理是從足夠多的案例中歸納出一般性結(jié)論的推理過程，是一種從個(gè)別到一般的推理。默認(rèn)推理又稱為缺省推理，是在知識(shí)不完整的狀況下假設(shè)某些條件已經(jīng)具備所進(jìn)行的推理。確立性推理、不確立性推理的觀點(diǎn)。確立性推理：推理時(shí)所用的知識(shí)與憑據(jù)都是確立的，推出的結(jié)論也是確立的，其真值也許為真也許為假，沒有第三種狀況出現(xiàn)。不確立性推理：推理時(shí)所用的知識(shí)與憑據(jù)不都是確立的，推出的結(jié)論也是不確立的。單調(diào)推理、非單調(diào)推理的觀點(diǎn)。單調(diào)推理：隨著推理向前推動(dòng)及新知識(shí)的加入，推出的結(jié)論愈來愈湊近最后目標(biāo)。非單調(diào)推理：因?yàn)樾轮R(shí)的加入，不單沒有增強(qiáng)已推出的結(jié)論，反而要否定它，使推理退回到前面的某一步，重新開始。5.啟示式推理、非啟示式推理的觀點(diǎn)。若是推理過程中運(yùn)用與推理有關(guān)的啟示性知識(shí)，則稱為啟示性推理，不然稱為非啟示性推理。啟示性知識(shí)：與問題有關(guān)且能加快推理過程、求得問題最優(yōu)解的知識(shí)。6.正向推理、逆向推理的觀點(diǎn)及優(yōu)缺點(diǎn)。正向推理是以已知事實(shí)作為出發(fā)點(diǎn)的一種推理。正向推理簡單，易實(shí)現(xiàn)，但目的性不強(qiáng)，效率低。逆向推理是以某個(gè)假設(shè)為目標(biāo)作為出發(fā)點(diǎn)的一種推理。逆向推理不用使用與目標(biāo)沒關(guān)的知識(shí)，目的性強(qiáng)，同時(shí)利于向用戶供給講解，但初步目標(biāo)的選擇有盲目性，比正向推理復(fù)雜。謂詞公式化為子句集。歸納原理（1）應(yīng)用歸納原理證明定理（2）應(yīng)用歸納原理求解問題五、不確立性推理方法不確立推理的觀點(diǎn)。不確立性推理：從不確立性的初始憑據(jù)出發(fā)，經(jīng)過運(yùn)用不確立性的知識(shí)，最后推出擁有必然程度的不確立性但倒是合理也許近乎合理的結(jié)論的思想過程?？尚哦确椒尚哦龋阂罁?jù)經(jīng)驗(yàn)對一個(gè)事物或現(xiàn)象為真的相信程度?？尚哦葞в休^大的主觀性和經(jīng)驗(yàn)性，其正確性難以掌握。C－F模型：基于可信度表示的不確立性推理的基本方法。CF（H，E）的取值范圍:[-1,1]。若因?yàn)橄鄳?yīng)憑據(jù)的出現(xiàn)增添結(jié)論H為真的可信度，則CF（H，E）>0，憑據(jù)的出現(xiàn)越是支持H為真，就使（，)的值越大。CFHE反之，CF（H，E）<0，憑據(jù)的出現(xiàn)越是支持H為假，CF（H，E）的值就