文章介绍了在人工智能中，搜索问题的关键元素如状态空间、后继函数、启动状态和目标状态。它强调了分支因子在定义每个节点子节点数量中的作用，并提到了规划代理如何使用目标信息来选择行动。文章还概述了几种搜索策略，包括广度优先搜索、深度优先搜索和统一成本搜索，以及它们的时间复杂度。
什么是分支因子
Branching factor: 每个节点的子节点数
规划代理（Planning Agents）
代理需要一些目标信息。代理程序将目标信息与环境模型相结合，以选择实现该目标的行动。用“如果我考了A，会发生什么？”来思考未来。规划都是“模拟”
搜索问题
搜索问题包括：
- 状态空间：通过任何一系列动作（181440个可能状态）从开始状态可到达的所有状态的集合
- 后继函数：一组可能的操作（操作）
- 启动状态
- 目标状态
如何解决
- 状态空间图
- 搜索树
状态空间图vs搜索树
搜索树中的每个节点都是状态空间图中的整个PATH
我们都是按需建造——而且我们尽可能少地建造
盲目搜索（Uninformed Search）
- 广度优先搜索
- 深度优先搜索
- 统一成本搜索（Uniform-Cost Search）
广度优先搜索时间复杂度
时间复杂度
深度优先搜索时间复杂度
时间复杂度
扫一扫
2748
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
