人工智能之(搜索推理技术1-图盲目搜索)
- 格式:ppt
- 大小:2.14 MB
- 文档页数:95
第五章状态空间搜索策略搜索是人工智能的一个基本问题,是推理不可分割的一部分。
搜索是求解问题的一种方法,是根据问题的实际情况,按照一定的策略或规则,从知识库中寻找可利用的知识,从而构造出一条使问题获得解决的推理路线的过程。
搜索包含两层含义:一层含义是要找到从初始事实到问题最终答案的一条推理路线;另一层含义是找到的这条路线是时间和空间复杂度最小的求解路线。
搜索可分为盲目搜索和启发式搜索两种。
1.1 盲目搜索策略1.状态空间图的搜索策略为了利用搜索的方法求解问题,首先必须将被求解的问题用某种形式表示出来。
一般情况下,不同的知识表示对应着不同的求解方法。
状态空间表示法是一种用“状态”和“算符”表示问题的方法。
状态空间可由一个三元组表示(S,F,Sg)。
利用搜索方法求解问题的基本思想是:首先将问题的初始状态(即状态空间图中的初始节点)当作当前状态,选择一适当的算符作用于当前状态,生成一组后继状态(或称后继节点),然后检查这组后继状态中有没有目标状态。
如果有,则说明搜索成功,从初始状态到目标状态的一系列算符即是问题的解;若没有,则按照某种控制策略从已生成的状态中再选一个状态作为当前状态,重复上述过程,直到目标状态出现或不再有可供操作的状态及算符时为止。
算法5.1 状态空间图的一般搜索算法①建立一个只含有初始节点S0的搜索图G,把S放入OPEN表中。
②建立CLOSED表,且置为空表。
③判断OPEN表是否为空表,若为空,则问题无解,退出。
④选择OPEN表中的第一个节点,把它从OPEN表移出,并放入CLOSED表中,将此节点记为节点n。
⑤考察节点n是否为目标节点,若是,则问题有解,并成功退出。
问题的解的这条路径得到。
即可从图G中沿着指针从n到S⑥扩展节点n生成一组不是n的祖先的后继节点,并将它们记作集合M,将M中的这些节点作为n的后继节点加入图G中。
⑦对那些未曾在G中出现过的(即未曾在OPEN表上或CLOSED表上出现过的)M中的节点,设置一个指向父节点(即节点n)的指针,并把这些节点加入OPEN 表中;对于已在G中出现过的M中的那些节点,确定是否需要修改指向父节点(n 节点)的指针;对于那些先前已在G中出现并且已在COLSED表中的M中的节点,确定是否需要修改通向它们后继节点的指针。
人工智能复习参考(2015工程硕士)1-1.什么是人工智能?它的研究目标是什么?人工智能(Artificial Intelligence),简称AI,又称机器智能(Machine Intelligence,MI),主要研究用人工的方法和技术开发智能机器或智能系统,以模仿、延伸和扩展人的智能、生物智能、自然智能,实现机器的智能行为。
近期目标:人工智能的近期目标是实现机器智能。
即先部分地或某种程度地实现机器智能,从而使现有的计算机更灵活好用和更聪明有用。
远期目标:人工智能的远期目标是要制造智能机器。
具体讲就是使计算机具有看、听、说、写等感知和交互能力,具有联想、学习、推理、理解、学习等高级思维能力,还要有分析问题解决问题和发明创造的能力。
1-2.人工智能有哪些研究方法和途径?简单描述它们的特点。
一、传统划分法1.符号主义:以人脑的心理模型为依据,将问题或知识表示成某种符号,采用符号推演的方法,宏观上模拟人脑的推理、联想、学习、计算等功能,实现人工智能。
2.连接主义:不仅要求机器产生的智能和人相同,产生的过程和机理也应该相同。
人或某些动物所具有的智能皆源自于大脑,通过对大脑微观结构的模拟达到对智能的模拟,这是一条很自然的研究人工智能的途径。
3.行为主义:模拟人在控制过程中的智能活动和行为特性,如自适应,自寻优、自学习、自组织等,以此来研究和实现人工智能。
二、现代划分法1.符号智能:是对智能和人工智能持狭义的观点,侧重于研究任何利用计算机软件来模拟人的抽象思维过程,并把思维过程看成是一个抽象的符号处理过程。
2.计算智能:计算机智能又重新回到依靠数值计算解决问题的轨道上来,它是对符号智能中符号推演的再次否定。
3.群体智能:它认同智能同样可以表现在群体的整体特性上,群体中每个个体的智能虽然很有限,但通过个体之间的分工协作和相互竞争,可以表现出很高的智能。
1-3.为什么能够用机器(计算机)模仿人的智能?假设:任何一个系统,如果它能够表现出智能,那么它就必定能够执行上述6种功能:输入符号;输出符号;存储符号;复制符号;建立符号结构;条件性迁移:反之,任何系统如果具有这6种功能,那么它就能够表现出智能,这种智能指的是人类所具有的那种智能。
《人工智能》课程简介
课程目标:
人工智能是研究如何利用计算机来模拟人脑所从事的感知、推理、学习、思考、规划等人类智能活动,来解决需要用人类智能才能解决的问题,以延伸人们智能的科学。
掌握人工智能的基本概念、基本原理、知识的表示、推理机制和求解技术,以及机器学习的技术方法. 掌握人工智能的一个问题和三大技术,即通用问题求解和知识表示技术、搜索技术、推理技术。
课程主要内容:
1.搜索技术
✧图搜索技术
✧盲目搜索算法(宽度优先搜索、深度优先搜索、均一代价搜索)
✧启发式搜索算法(登山法、分支界限法、动态规划法、A算法、A*算法)
✧与或图搜索(AO*搜索)
✧博弈树搜索(极大极小法,剪枝的?-?剪枝法)
✧高级搜索技术(遗传算法)
2. 归结推理方法
✧谓词逻辑表达式
✧谓词逻辑归结原理
✧Herbrand定理。
3.知识表示方法
✧产生式规则表示法
✧语义网络表示法
✧框架表示法
✧脚本方法
✧过程表示
✧直接表示
4.机器学习
✧实例学习
✧解释的学习
✧决策树学习
✧神经网络学习(人工神经网络的结构、模型,解BP算法)。