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