HNU_AI_作业1--Agent、搜索算法

一、Agent的PEAS，环境属性

考虑一个实时的在线电话翻译系统，该系统实现英语与日语之间的实时在线翻译，讨论该系统的性能度量，环境，执行器，感知器，并对该环境的属性进行分析。（10分）

解：

1. 性能度量：
   • 翻译的准确性、实时性（延迟）；
   • 系统的带宽利用率、稳定性、可靠性；
   • 用户体验：翻译的自然度、流畅度；
2. 环境：
   • 网络环境、通信环境（不同通信设备、平台）；
   • 语言环境：不同的语言特点、表达习惯；
   • 安全性：通话内容隐私的安全性；
3. 执行器：
   • 语音识别、合成：实时识别输入语音，将翻译结果以语音形式合成输出。
   • 网络通信：在不同网络环境下通信，进行数据传输；
   • 用户界面：使用户发起、控制、查询通话和翻译结果；
4. 感知器：
   • 语音输入：接收语音输入，转换为可处理的数据格式；
   • 网络状态监测：实时监测网络状态，如带宽、延迟、连接稳定性；
   • 用户反馈：收集用户反馈信息，如翻译准确性、延迟感知和用户体验等；
5. 环境的属性分析：
   • 部分可观察：系统可能无法完全了解对话参与者的意图或背景信息。
   • 不确定性：系统可能受到来自通话参与者的不确定输入，例如语速、发音、背景噪音等的影响。
   • 情节性：每个电话通话都可以看作是一个独立的情节；
   • 动态性：环境可能是动态的，因为对话参与者的状态和行为可能会变化；
   • 离散性：每个电话通话都是独立的；
   • 单一智能体：系统负责接收输入、执行翻译和生成输出，而无需与其他智能体进行交互。

ANSWER：

• 性能度量： 翻译的正确率
• 环境：电话线路
• 传感器：麦克风
• 执行器：音响
• 完全可观察的，单 agent，确定的(无噪音条件下)，片段的，静态的，离散的。

二、医疗诊断系统Agent

考虑一个医疗诊断系统的agent，讨论该agent最合适的种类(简单agent,基于模型的agent,基于目标的agent和基于效用的agent)并解释你的结论。（10分）

解：

1. 简单agent
   • 优点：构造和输入简单；
   • 缺点：不足以处理医疗诊断中的复杂性、不确定性；基于当前的感知选择行动，不关注感知历史。
2. 基于模型的agent
   • 解释：通过分析医学知识、患者数据（患者病史、症状），与预先建立的医学模型进行比对，从而给出诊断建议；
   • 优点：可利用大量的医学数据和医学知识，辅助医生进行决策，提高诊断的准确性。此外，可在短时间内处理大量信息，快速给出诊断建议；
   • 缺点：无法精准确定当前状态；
   • 适用场景：复杂的医学场景，如罕见病的诊断、复杂病例的处理；还可以辅助进行远程诊断、急诊中的快速诊断；
3. 基于目标的agent
   • 解释：相较于基于模型的agent，增加了目标信息来描述想要到达的状态；
   • 优点：适应不同的环境和需求；提高了准确性；
   • 缺点：当有多个目标相互冲突时，此类agent不一定能实现最佳动作；
4. 基于效用的agent
   • 解释：通过评估不同决策的效用来进行决策；综合考虑患者病情、不同治疗方案的风险和效果等，给出最优的治疗建议；
   • 优点：有助于个性化的医疗决策；考虑患者的个体差异，提供更符合患者需求的治疗方案；
   • 适用场景：考虑患者偏好、治疗效果、成本效益时，尤其在多种治疗方案之间选择时

ANSWER:

• utility-based agent 基于效用的 Agent
• 能够治愈病人的方法有很多种，系统必须衡量最优的方法来推荐给病人

三、DFS、BFS、爬山法、贪婪最佳优先

先建立一个完整的搜索树，起点是S,终点是G,如下图,节点旁的数字表示到达目标状态的距离，然后用以下方法表示如何进行搜索，并分析几种算法的完备性、最优性、以及时间复杂度和空间复杂度。（40分）

(a).深度优先；

(b).宽度优先；

(c).爬山法；

(d).贪婪最佳优先。

解：

注：

• 这一题网上的回答感觉总有些问题，本文也不见得全对；
• 有些搜索算法，书上给出了伪代码的，可以根据伪代码推一遍。
• 有些搜索算法，有树搜索、图搜索两种，也可以两种都写；

建树：（树搜索：这里一个节点的子节点如果能取其爷节点一样的话，会出现死循环；所以下面是不完整的树搜索【图搜索的搜索树见（2）BFS部分】）

搜索树的建立算法：树搜索、图搜索

ANSWER:

（1）深度优先DFS

基于不完整的树搜索，进行的DFS

ANSWER:

（2）宽度优先BFS

BFS应当只有图搜索，所以树搜索算法做出的搜索树不能进行BFS

感觉上面是错的，修改如下：

修改原因：未扩展过、且不在队列中的节点，才可能会INSERT；所以应当不会有重复节点；

ANSWER:

（3）爬山法

爬山法会从当前节点的邻居中，选择一个highest-valued的；

ANSWER:

（4）贪婪最佳优先

贪婪最佳优先会把当前节点的所有（未扩展过、且不在队列中的）邻居都加到考察队列中；

上图采用的是图搜索，下图中的例子采用的是树搜索；

ANSWER:

四、贪婪最佳优先、一致代价搜索、A*树搜索

图二是一棵部分展开的搜索树，其中树的边记录了对应的单步代价，叶子节点标注了到达目标结点的启发式函数的代价值，假定当前状态位于结点A。用下列的搜索方法来计算下一步需要展开的叶子节点。注意必须要有完整的计算过程，同时必须对扩展该叶子节点之前的节点顺序进行记录：（20分）

1. 贪婪最佳优先搜索
2. 一致代价搜索
3. A*树搜索

讨论以上三种算法的完备性和最优性。

解：

（1）贪婪最佳优先

（2）一致代价搜索

（3）A*树搜索

ANSWER:

五、启发式函数h（G）=0，证明一致---》可采纳

给定一个启发式函数满足h(G)=0,其中G是目标状态，证明如果h是一致的，那么它是可采纳的。（20分）

解：

（1）证明一

h(n)  ≤c(n,a1,N1)+h(N1)

 ≤c(n,a1,N1)+c(N1,a2,N2)+h(N2)

 ≤c(n,a1,N1)+c(N1,a2,N2)+...+c(Nm,am+1,G)+h(G)

 = c(n,a1,N1)+c(N1,a2,N2)+...+c(Nm,am+1,G)

 = h*(n)

（2）证明二--反证：

一致，但是不可接受的；

不可接受：使得h(n) > h*(n)；

一致：h(n) ≤ c(n, G) + h(G)；（令n'=G)

h(G)=0---》h(n) ≤ c(n, G)；

h(n) > h*(n)=c(n, G)。

上面二式矛盾。

（3）证明三--数学归纳

设：从节点n到目标节点G共有k个节点；

 For k = 0, 令n′ =G; then h(n) ≤ c(n,a,n′).

满足可接受性：h(n) ≤ h*(n)

第k个节点n′满足上面条件了：h(n′) ≤ h*(n′)

考虑k+1个节点n：

h(n)  ≤ c(n,a,n′) + h(n′)

 ≤ c(n,a,n′) + h*(n′) = h*(n)

ANSWER: