人工智能学习笔记

1.目标树：

在发现问题解决问题过程中，我们可以建立一棵目标树，目标树表示的是解决问题的具体步骤，分支和循环。

2.深度优先和广度优先：

深度优先：在一支到达终点后，可以选择回溯到之前的分支然后对第二支进行运算直到重点，以此类推，直到找到问题的解答。（列式查找）

 

广度优先：一层一层的查找数据，直到找到解答或达到最后一层。（层式查找）

 

 

注意：1.深度优先相对于广度优先来说，查找的次数更少，故深度优先更加高效。

 

2.可以通过过滤层来过滤掉不可能的或重复的分支，以提升效率。

 

3.广度优先空间复杂度大（占用内存多），时间复杂度小，但可以找到最优解（花费较多时间）

深度优先时间复杂度大，空间复杂度小，一般只能找到一个满意解（但可以快速靠近目标）

 

 

 

 

3.爬山算法和束搜索

爬山算法是深度优先算法的改良

爬山算法：始终关注的是当前位置离目标位置的距离远近在选择分支时，选择离目标更近的那一支，而不是从左到右进入分支。（需要回溯）

 

 

束搜索是广度优先的改良

束搜素：在广度优先的基础上，加入束宽（束宽是限制束搜索的参数，即每一层只能取最优的束宽个分支）

4.极大极小值算法和剪枝算法

剪枝算法（α-β算法）是对极大极小值算法的改进，透过反向评估，筛选掉一部分不可能或无用的分支，极大的提高了运算效率。

参考：https://www.zhihu.com/question/27221568

极小极大和剪枝算法曾在IBM开发的国际象棋超级电脑，深蓝（Deep Blue）中被应用，并且两次打败当时的世界国际象棋冠军。

 

下面我用ProcessOn画了一个图用于说明

这是一棵选择树，

在象棋（极大极小值法）中，极大值者总是选择分值最大的选项，极小值者总是选择分值最小的选项，每一层代表一次选择那么：

 

在计算机运算过程中

 

假设D=2 ，E=6，F=1，G=9

1.计算机从左到右，当遍历到D时

因为D是由MIN来选择的，因为B是由MAX选择得到的，所以 B<=2,

A是由MAX来选择的所以 A>=2

2.当遍历到F时

因为F=1，所以 C<=1,

因为B<=2 C<=1 且 此时由MAX作出选择，他一定会选择 B这一支，

此时就可以使用剪枝算法，切掉A-C这一支，大大提高效率。

 

 

 

注意：

极大值极小值算法，剪枝算法是针对2者进行博弈的算法，可能拿不到真正的极大值（例如上题中的9），但是通过这个算法可以尽量提高自己分数，降低敌人分数。

 

在运算中，能计算出更深层次（步数）的结果，就能以更高的胜率赢下对手