《人工智能》基础知识.docx

人工智能》需要掌握的基本知识和基本方法
/f/t-
第一章：
：P5人工智能是一门研究如何构造智能机器(智能计算机)或智能系统，使它能模拟、延伸、扩展人类智能的学科。
2、人工智能研究的基本内容:P10-P11
略全称量词
消去合取词，把母子用子句集表示
PV(2AA)O(PV0A(PV7?)
PA(2V/?)O(PA2)V(PA/?)
了句变量标准化，即使每个了句中的变量符号不同
彳U了屮变量要有所区别
第四章
(P109)
主观Bayes方法的主要优点:
具有较坚实的理论基础。
知识的静态强度LS及LN是由领域专家根据实践经验
给出的，推出的结论有较准确的确定性。
主观Bayes方法是一种比较实用且较灵活的不确定性推
理方法。
主观Bayes方法的主要缺点:
要求领域专家在给出知识时，同时给出H的先验概率。
Bayes定理屮关丁事件独立性的要求使主观Bayes方法
的应用受到了限制。
证据理论的概率分配函数的作用（P115）;信任函数和似然函数的关系（P118）
（1）设样木空间D屮有n个元素，则D屮子集的个数为2个。:D的所有子集。
（2）概率分配函数：把D的任意一个了集A部映射为［0,11上的一个数M（A）«
模糊推理：给两个模糊集合，会计算模糊关系（,）
已知输入的模糊集合4和输岀的模糊集合B：
++
M=/$++
B=0"b\++?3+
求A到B的模糊关系R




R








02







第五章：

正向搜索（数据驷动）：从初始状态出发的正向搜索，也称为数据驱动逆向搜索（目的驱动）：从li的状态岀发的逆向搜索，也称为目的驱动双向搜索：综合上述两种方式的搜索为双向搜索
2、状态空间表示法的四元纽
例题
S,O,S°,G)
s:状态集
合。
例题
O：操作算子的集合。
S。：包含问题的初始状态是S的非空子集。
G:若干具体状态或满足某些性质的路径信息描述
3、深度优先搜索和广度优先搜索的关系和区别
（1）宽度优先搜索：以接近起始结点的程度为依据进行逐层扩展的搜索方法。（用队列的存储结构，类似于树的按层次遍历的过程。
特点：逐层搜索；高价搜索：若解存在，必能找到。
（2）深度优先搜索：首先扩展最新产生的节点，深度相等的节点可以任意排列的捜索方法。（用堆栈的数据结构）
特点：搜索沿着状态空间的某单一路径沿着起始点向下进行下去，仅当搜索到达一个没有后裔的状态时，才选择另一条替代路径。
例题
4、OPEN表和CLOSE表的变化；
宽度优先搜索
open表（NPS表）：已经生成出来但英了状态未被搜索的状态。closed表（PS表和
NSS表的合并）：记录了己被生成扩展过的状态。
例题
。卒子行进中不可进入到代表敌兵驻守的区域（点
注1）,并不准后退。假定深度限制值为5。
阵列图
卒子穿阵的深度优先搜索树
重复
OPEN表
CLOSE表
0
So
[I
1
【9.%$8九]
[%]
2
[$2・％$18】
%%]
3
[‘久$8.$48】
[$2・/・£()]
4
[$4・%%禺8】
[%%]
5
[$”%$佃-
]
6
［、6》S&九］
[S*5»SA9S3,.
7
[$8・®8】
[S7.%S5,S4,S3,°]
OOO
OOO
000
*算法的优点。OPEN表和CLOSE表的变化
OPEN表中的节点按着估价函数f(n)=g(n)+h(n)的值从小到大排序
可采纳性
当一个搜索算法在最短路径存在时能保证找到它，就称它是％
可采纳的。
单调性
搜索算法的单调性：在整个搜索空间都是局部可采纳的。一个
状态和任一个子状态之间的差由该状态与其子状态之间的实际代价所限定。
信息性
在两个十启发策略的人和仏中，如果对搜索空间中的任一状态n都有八00<A(77)，就称策略仕比人具有更多的信息性。
例：对于八数码难题按下式定义估价函数：f(x)=d(x)+h(x)
其屮，d(x)为节点X的深度；h(x)是所有棋了偏离