第4章 与或图搜索
- 格式:ppt
- 大小:1.67 MB
- 文档页数:49
第4章超越经典的搜索1 局部搜索算法和最优化问题1.1 爬山法(贪婪局部搜索)1.1.1 爬山法(最陡上升版本)1.1.2 随机爬山法1.1.3 首选爬山法1.1.4 随机重启爬山法1.2 模拟退火搜索1.2.1 特点1.3 局部束搜索(Local beam search)1.4 遗传算法(Genetic algorithm,GA)1.4.1 例子:八皇后问题1.4.2 遗传算法伪代码:2 使用不确定动作的搜索2.1 与或搜索树3 使用部分可观察信息的搜索3.1 无观察信息的搜索3.2 部分可观察问题的搜索3.2.1 联机搜索4 总结1 局部搜索算法和最优化问题在第3章中讨论的无信息搜索和有信息搜索有如下性质:环境都是在可观察、确定的、已知的,问题解是一个行动序列。
本章将不受这些环境性质的约束,讨论局部搜索(local search)算法,考虑对一个或多个状态进行评价和修改,而不是系统地搜索从初始状态开始的路径。
局部搜索(local search)算法:从单个当前结点出发,通常只移动到它的邻近状态而不保留搜索路径局部搜索不关心路径代价,但是关注解状态。
Agent不知道前面的状态,只知道当前的状态。
比如八皇后问题,不关心是怎么到目的状态的,只关心最终布局对不对,许多重要应用都有这样的性质,如作业空间调度,自动程序设计等。
虽然局部搜索算法不是系统化的,但是有两个关键优点:占用内存少,通常只用常数级的内存通常能在系统化算法不适用的很大或无限的(连续的)状态空间中找到合理的解。
此外,局部搜索算法对于解决纯粹的最优化问题十分有用,其目标是根据目标函数找到最佳状态。
如果存在解,最优的局部搜索算法总能找到全局最大/最小值???1.1 爬山法(贪婪局部搜索)定义:不断向值增大的方向移动,直到到达局部最优。
也被称为贪婪局部搜索,因为它只选择邻居中状态最好的一个,而不考虑下一步怎么走。
贪婪算法很容易改善一个坏的状态,但却经常陷入局部最优无法跳出。
《人工智能》课程教学大纲《人工智能》课程教学大纲一、课程基本信息开课单位课程名称开课对象学时/学分先修课程课程简介:人工智能是计算机科学的重要分支,是研究如何利用计算机来模拟人脑所从事的感知、XXX人工智能课程类别课程编码开课学期个性拓展GT第4或6学期网络工程专业、计算机科学与技术专业36学时/2学分(理论课:28学时/1.5学分;实验课:8学时/0.5学分)离散数学、数据结构、程序设计推理、研究、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。
该课程主要讲述人工智能的基本概念及原理、知识与知识表示、机器推理、搜索策略、神经网络、机器研究、遗传算法等方面内容。
二、课程教学目标《人工智能》是计算机科学与技术专业的一门专业拓展课,通过本课程的研究使本科生对人工智能的基本内容、基本原理和基本方法有一个比较初步的认识,掌握人工智能的基本概念、基本原理、知识的表示、推理机制和智能问题求解技术。
启发学生开发软件的思路,培养学生对相关的智能问题的分析能力,提高学生开发应用软件的能力和水平。
三、教学学时分配《人工智能》课程理论教学学时分派表章次第一章第二章第三章第四章第五章第六章首要内容人工智能概述智能程序设计言语图搜索技术基于谓词逻辑的机器推理呆板进修与专家系统智能计算与问题求解合计学时分配35464628教学方法或手段讲授法、多媒体讲授法、多媒体探究式、多媒体讲授法、多媒体概述法、多媒体开导式、多媒体《人工智能》课程实验内容设置与教学要求一览表实学尝试序项目号名称配1)了解PROLOG语言中常1) Prolog运转环境;量、变量的表示方法;实分支2)使用PROLOG举行事实验与循实库、规则库的编写;库、规则库的编写方法;环程3)分支程序设计;一序设4)循环程序设计;一计5)输入出程序设计。
5)掌握PROLOG输入输出程序设计;1)了解PROLOG中的谓词1)谓词asserta和递归实与表实处理验程序二设计4)掌握PROLOG表处理程4)综合应用程序设计。
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。