人工智能导论-机器学习01-CSDN博客

------------------------------------------------------------------分割线--------------------------------------------------

八数码的有无解问题

为了方便讨论，我们把它写成一维的形式，并以0代替空格位置。那么表示如下：

1 2 3 4 5 6 7 8 0

通过实验得知，以下状态是无解的（交换了前两个数字1 2）：

2 1 3 4 5 6 7 8 0

八数码问题的有解无解的结论：

一个状态表示成一维的形式，求出除0之外所有数字的逆序数之和，也就是每个数字前面比它大的数字的个数的和，称为这个状态的逆序。

若两个状态的逆序奇偶性相同，则可相互到达，否则不可相互到达。

由于原始状态的逆序为0（偶数），则逆序为偶数的状态有解。

也就是说，逆序的奇偶将所有的状态分为了两个等价类 ，同一个等价类中的状态都可相互到达。

简要说明一下： 当左右移动空格时，逆序不变。当上下移动空格时，相当于将一个数字向前（或向后）移动两格，跳过的这两个数字要么都比它大（小），逆序可能±2；要么一个较大一个较小，逆序不变。所以可得结论：只要是相互可达的两个状态，它们的逆序奇偶性相同。

------------------------------------------------------------------分割线--------------------------------------------------

-----------------------------------------------------分割线----------------------------------------------------------------

---------------------------------------------------------分割线-----------------------------------------------------------

样本空间：设D是变量x所有可能取值的集合，且D中的元素是互斥的，在任一时刻x都取且只能取D中某一元素为值，就称D为x的样本空间。

------------------------------------------分割线----------------------------------------------------------------------------

证据肯定存在时
引入几率函数Θ(x),它与概率的关系为： Θ(x)=P(x)/(1-P(x)), P(x)=Θ(x)/(1+Θ(x)) 在证据肯定存在时，P(E)=P(E|S)=1。
由Bayes公式得： P(H|E)=P(E|H)×P(H)/P(E) (1)

P(¬H|E)=P(E|¬H)×P(¬H)/P(E) (2)

(1)式除以(2)式得： P(H|E)/P(¬H|E)=P(E|H)/P(E|¬H)×P(H)/P(¬H)
由LS和几率函数的定义得： Θ(H|E)=LS×Θ(H) 即 P(H|E)=LS×P(H) / [(LS-1)×P(H)+1]

证据肯定不存在时
在证据肯定不存在时，P(E)=P(E|S)=0， P(¬E)=1。
由Bayes公式得： P(H|¬E)=P(¬E|H)×P(H)/P(¬E) (1)

P(¬H|¬E)=P(¬E|¬H)×P(¬H)/P(¬E) (2)

(1)式除以(2)式得： P(H|¬E)/P(¬H|¬E)=P(¬E|H)/P(¬E|¬H)×P(H)/P(¬H)
由LN和几率函数的定义得： Θ(H|¬E)=LN×Θ(H) 即 P(H|¬E)=LN×P(H) / [(LN-1)×P(H)+1]