高级人工智能笔记-搜索

武汉肺炎期间，闲着发霉，对“高级人工智能”课程复习笔记的整理。

1.概述

谈到人工智能就不得不说的一些东西

1.1 三大学派

• 符号主义学派
• 联结主义学派
• 行为主义学派

三个学派正好对应三个老师

1.2 图灵测试

一个人（C）在完全不接触对方（A和B）的情况下，和对方进行一系列的问答，如果在相当长时间内，他无法根据这些问题判断对方是人（B）还是计算机（A），那么，就认为该计算机具有同人相当的智能，（即计算机是能思维的）

题：选D

2.搜索算法

完备性：当问题有解时，保证能找到一个解
一致性：保证能找到最优解（最小耗散路径）

2.1 状态空间法

不说废话，看一道例题就懂，经典的“野人与传教士问题”

有3个传教士和3个野人来到河边渡河, 河岸有一条船, 每次至多可供2人乘渡。问传教士为了安全起见, 应如何规划摆渡方案, 使得任何时刻, 河两岸以及船上的野人数目总是不超过传教士的数目(否则不安全, 传教士有可能被野人吃掉)

用状态空间法求解，如下图

2.2 搜索树

• 深度优先搜索（DFS，完备，不一致）
• 宽度优先搜索（BFS，完备，不一致）
• 迭代深入搜索（在一定的深度限制内使用DFS）
• 代价敏感搜索
  eg.代价一致搜索（UCS），优先访问代价最小的点（完备，一致）

2.3 启发式搜索

• 贪婪搜索（不完备，不一致）
  启发式：对每个状态估计到最近目标的距离h(n)
  使用启发函数 f(n)=h(n) 来评价节点
• A搜索（完备，一致）
  h(n)：对每个状态估计到最近目标的距离
  g(x)：访问该点的代价，即UCS的条件
  使用启发函数 f(n)=h(n)+g(x) 来评价节点
  可采纳的启发函数：
  
  h(n)是到最近目标的真实耗散

可采纳启发函数是松弛问题的解的耗散，如把数码问题使用曼哈顿距离计算h(x)

• A*图搜索（完备，一致）
  避免重复状态的加入
  一致性：
  

2.4 局部搜索

• 爬山法搜索（移动到最好的相邻状态）
  
  上图：起始X点将收敛到B点，起始Y点将收敛到D点，起始Z点将收敛到E点
• 模拟退火搜索（允许向山下移动）
• 遗传算法（选择，交换，变异）

题：选C