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:
- 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;
- 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;
- 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;
- 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;
- 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:
- 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。
- 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;
- 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;
- 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)
- 贪婪最佳优先搜索
- 一致代价搜索
- 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: