本文介绍了人工智能中的Agent概念，包括环境感知、理性Agent的定义和类型，以及学习Agent的组成。同时，文章深入探讨了搜索策略，如宽度优先搜索、深度优先搜索、一致代价搜索和A*搜索，分析了它们的优缺点。最后，文章提到了超越经典搜索的模拟退火和遗传算法，阐述了它们的基本思想、算法步骤和应用。
目录
一、Agent
Agent和环境
任务环境的规范描述：
PEAS（Performance（性能），Environment（环境），Actuators（执行器），Sensors（传感器））
理性Agent
理性的Agent就是做事正确的Agent,对每一个可能的感知序列，根据已知的感知序列提供的证据和Agent具有的先验知识，理性的Agent应该选择能使其性能度量最大化的行动环境的性质
理性不等同于全知(已知的知识都是有限的)
理性不等于完美：因为同样的Agent在不同的环境下就会变成非理性的
理性是使期望的性能最大化
完美是使实际的性能最大化
Agent的类型和结构
四种基本的类型
①简单反射agent 基于当前的感知选择行动，不关注感知历史
②基于模型的反射agent
Agent根据感知历史维持内部状态，Agent随时更新内部状态信息
③基于目标的agent
除了根据感知信息之外，还要根据目标信息来选择行动
效率比较低，需要推理
搜索和规划算法
④基于效用的agent
当达到目标的行为有很多种的时候，需要考虑效率
环境是部分可观察的和随机的，不确定下的决策过程可以通过基于效用的agent来实现。
效用的作用
多目标相冲突时
多目标在不确定环境中
一个目标有多种行为可以达到时
⑤学习agent
- 4个组件
- 性能元件：相当于整个agent
- 评判元件：反映性能元件做得如何
- 学习元件：负责改进提高
- 问题产生器：提出一些新的有建设性的探索尝试
Agent:在IT领域，Agent指能自主活动的软件或硬件实体。
传感器：Agent通过传感器感知环境并通过执行器对所处环境产生影响。以人类Agent为例，眼睛、耳朵等为传感器，手、腿、声道等为执行器。软件Agent接受键盘敲击、文件内容和网络数据包作为传感器输入，并以屏幕显示、写文件和发送网络数据包为执行器来作用于环境。
环境：
完全可观察的和部分可观察的：如果Agent的传感器在每个时间点上都能获取环境的完整信息，那么说任务环境是完全可观察的。（完全可观察的环境下Agent不需要维护任何内部状态来记录外部世界）
单Agent与多Agent:
确定的与随机的：
如果环境的下一个状态完全取决于当前状态和Agent执行的动作，那么说环境是确定的，否则是随机的。
片段式的与连续的：
当前决策是否影响到未来的决策？
静态的与动态的：
性能评价随时间流逝改变？
离散的与连续的：
观察对象/行动是连续的空间变化？
已知的与未知的：
二、搜索策略
状态空间的描述
初始状态、行动、转移模型、目标测试、路径耗散/消耗
例如罗马尼亚问题：
性能评价标准
- 完备性：如果问题存在解，算法即可找到解
- 最优性：能找到最优解
- 时间复杂度：花费的时间
- 空间复杂度：花费的内存
时间空间复杂度的度量：
- 时间由搜索过程中产生的结点数目来度量
- 空间由内存中存储的最多结点数量来度量
- 通常小于状态空间数量|V|+|E|
无信息搜索
宽度优先搜索：在扩展下一层的任何结点之前，先将本层结点全部扩展(直到找到一个解)。
一致代价搜索：在BFS基础上，优先扩展路径消耗g(n)最小的结点。
一致代价搜索并不是搜索到目标结点就马上结束，而是直到队列为空，且BFS是在扩展结点时检测，一致代价搜索是在结点被选择扩展时检测。
深度优先搜索：
最低0.47元/天 解锁文章
扫一扫
953
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
