人工智能

机器学习的分类：有监督学习，无监督学习，强化学习

人工智能诞生于达特茅斯会议，人工智能之父——图灵

人工智能研究领域：机器学习+进化算法+模式识别
目的：让机器能够模拟、延伸和扩展人的智能，以实现某些脑力劳动的机械化。
自动定理证明——吴文俊

三种常用的知识表达方法：状态空间法+问题归约法+谓词逻辑表示

第二章：
①问题规约法：使问题转换、归约、化简为几个子问题的集合
汉诺塔问题：(i,j,k)-表示当前状态
②谓词公式中等价关系：p43
③谓词公式表达：
原子公式=谓词+项目(由若干个谓词和项目组成的谓词演算)
//无变量的原子公式取值确定，有变量的取值不定
n元谓词公式：P(X1,X2,```,Xn)，p称客体变量/变元
分子谓词公式：由原子谓词公式通过连词组成
合式公式WFF：原子公式是，量词连词变化后也是
※用谓词逻辑表示客观语句：28页ppt
④谓词公式中的置换合一
置换：表达式 E：P[x,f(y),B]；置换：s1={z/x,w/y}可置换成ES1 = P[z,f(w),B]，若换多个，则先换的保存
合一：寻找置换项，使两个表达式*置换项目结果相同(最简合一)

第三章：
①子句集求取：（将谓词公式化为子句集）
(Vx){P(x)→{(Vy)[P(y)→P(f(x,y))]∧～(Vy)[Q(x,y)→P(y)]}}
⑴只应用∨和～符号，以～A∨B替换A→B
⑵减少否定的辖域范围（~到每个变量前）
⑶变量标准化：每个量词对应一种变量
⑷消去存在量词(在V中用f(x)代替，不在V中用常量A代替)
⑸化为前束形(将所有量词移到左边)
⑹母式化合取范式(改写成合取类型为主)
⑺去掉全称量词
⑻消除连词
⑼改写变量名，使得每个分式不同
②消解原理公式推导：
原子公式L1，L2，有：L1 V a，~L2 V b，推导出消解公式 （a V b）
③消解反演法(用于证明)※
给出公式集{S}和目标公式L，将_{L添加到S中，将{}L,S}化成子句集，消解原理推导空子句
④盲目搜索（宽度优先，广度优先，等代价搜索）
⑤启发式搜索（A*算法）
使用估价/启发函数f，估价函数值越小，节点位于最优路径希望越大。
f(n)=g(n) + h(n)，g是n到起点的代价，h是n到终点代价
八数码问题中，f=g+h，g是从初态到如今移动步数，h是错位棋子数

第四章：
①贝叶斯推理：
全概率公式：84页ppt→多个B一个A
②主观贝叶斯推理：
动机：贝叶斯方法的条件太多
IF E THEN (LS, LN) H,
LS=P(E|H)/P(E|~H) LN=P(_E|H)/P(E|_{H)=1-P(E|H)/1-P(E|}H)
主观贝叶斯：O(H|E) = LS·O(H)

第五章：
进化算法步骤：
①计算基因长度
log(max-min)/期望精度=基因位数
精度：(max-min)/(2^l-1)
②随机抽个体产生初始群体
③选择算子
计算函数值与适应度fit(x) →算适应度总和 →算个体适应度占比Bi →累加适应度Ci →产生随机函数与Ci做对比，
选取合适个体添加到新种群，循环操作到产生合适个体位置
④交叉算子
选择交叉点，产生随机函数，rand<pc（交叉概率）则交换两条基因
⑤变异算子
产生随机函数，rand<pm（变异概率）则该基因该位置反转，重复每个基因每个位置

问题：
1.机器学习分类：
2.人工智能诞生于几年？什么活动？
3.人工智能之父？
4.人工智能研究领域：
5.人工智能研究目的：
6.自动定理的证明人：
7.三种常用的知识表示方法：
8.问题规约法：
9.谓词公式中的等价关系：
10.原子表达式：谓词+项，有变量的无法确定，无变量的可确定
11.分子谓词公式组成：
12.wff合式公式：
13.谓词公式的置换合一
14.子句集求取
15.消解推导
16.消解反演步骤
17.盲目搜索：（三种）
18.启发式算法：A*，代价函数f=g+h
19.贝叶斯公式（三种）
20.主观贝叶斯
21.进化算法