人工智能知识

问题求解系统划分为两大类：知识贫乏系统、知识丰富系统。

知识贫乏系统：一依靠搜索技术解决问题。二知识贫乏、缺乏针对性。三效率低。

知识丰富系统：一依靠推理技术解决问题。二基于丰富知识的推理技术，直接了当。三效率高。

对于给定的问题，智能系统的行为一般是找到能够达到所希望目标的动作序例，并使其所付出的代价最小，性能最好。基于给定问题，问题求解的第一步是目标的表示。搜索就是找到智能系统的动作序列的过程。

在人工智能中搜索问题一般包括两个重要的问题：一搜索什么  搜索什么通常指的是目标。二在哪里搜索  在哪里搜索就是搜索空间。搜索空间通常是指一系列状态的汇集，因此称为状态空间。

和通常搜索空间不同，人工智能中大多数问题的状态空间在问题求解之前不是全部知道的。

所以，人工智能中的搜索可分为两个阶段，一状态空间的生产阶段，二在该状态空间中对所求问题状态的搜索

搜索可以根据是否使用启发式信息分为一盲目搜索，二启发式搜索

盲目搜索：只是可以区分出哪个是目标状态。一般是按预定的搜索策略进行搜索。没有考虑到问题本身的特性，这种搜索具有很大的盲目性，不便于复杂问题的求解。

启发式搜索，是在搜索过程中加入了与问题有关的启发式信息，用于指导搜索朝着最有希望的方向前进，加速问题的求解并找到最优解。

根据问题的表示方式分为状态空间搜索、与或树搜索

状态空间搜索是用状态空间方法来求解问题所进行的搜索

与或树搜索是指用问题规约方法来求解问题时所进行的搜索

考虑一个问题的状态空间为一棵树的形状，宽度优先搜索，深度优先搜索。宽度优先搜索，如果根节点首先扩展，然后是扩展根节点生成的所有节点，然后是这些节点的后续，如此反复下去。深度优先搜索在树的最深一层的节点中扩展一个节点，只有当搜索遇到一个死亡节点（非目标节点，并且是无法扩展的节点）的时候，才返回上一层选择其他的节点搜索。

无论是宽度优先搜索还是深度优先搜索，遍历节点的顺序一般都是固定的，即一旦搜索空间给定，节点遍历的顺序就固定了。这种类型的遍历称为确定性的，也就是盲目搜索。对于启发式搜索，在计算每个节点的参数之前，无法确定先选择哪个节点扩展，这种搜索一般也称为非确定的。P9