人工智能第六章课后习题（仅供参考）

6.1 约束问题与第四章讲述的禁忌问题有什么区别？
禁忌问题是一种元启发式算法，用于解决组合优化问题。根据所指定的禁忌条件，通过局部搜索或领域搜索，从一个潜在的解到改进的相邻解之间反复移动直到满足某些停止条件。禁忌搜索算法是对局部邻域搜索的一种扩展，是一种全局邻域搜索、逐步寻优的算法。 禁忌搜索算法是一种迭代搜索算法，它区别于其他现代启发式算法的显著特点，是利用记忆来引导算法的搜索过程。它是对人类智力过程的一种模拟，是人工智能的一种体现。

6.2 什么是约束满足问题？人工智能为什么要研究约束满足问题？
约束满足问题与经典的搜索问题不同，它基于变量赋值的约束，对变量合法赋值的数量进行了限制，缩减了问题空间。 约束传播首先进行搜索，从值域中选择一个新的变量赋值，然后采用约束来减少该变量合法值的数量，相应的还可以减少其他变量合法值。以此类推，这就是约束传播的含义。由于CSP是很多问题中的一种自然表示，与其他搜索技术相比，CSP求解系统更容易解决问题，CSP求解系统比状态空间搜索更快，因为它可以快速排除大的搜索空间样本。常规的状态搜索空间，只能查询这个特定状态是目标吗？如果采用约束满足问题的话，由于发生变量违反约束条件，会导致我们发现某个局部赋值不是解，然后就可以迅速放弃。所以研究约束满足问题，许多问题可以快速解决。

6.3 约束满足问题采用哪种状态标识？它与经典搜索问题相比有何不同？
约束满足问题与经典的搜索问题不同，它基于变量赋值的约束，对变量合法赋值的数量进行了限制，缩减了问题空间。
在经典搜索问题中，其状态是无需分割的，没有内部结构的黑盒子，采用原子式表征。而约束满足问题的状态是一组变量，