人工智能 清览作业1

1.考虑一个实时的在线电话翻译系统，该系统实现英语与日语之间的实时在线翻译，讨论该系统的性能度量，环境，执行器，感知器，并对该环境的属性进行分析。
性能度量：翻译的正确率
环境：电话线路、电话两侧的声音来源
传感器：麦克风
执行器：音响

环境属性：完全可观察的，单agent，确定的，片段的，静态的，离散的
为了确保翻译的完整性，这个agent的传感器应该在每个时间点上都能获取环境的完整状态，即读取音源，故是完全可观察的；
实事翻译不需要和别的agent交互，故是单agent；
在线电话翻译agent的下一状态完全取决于当前状态和agent执行的动作，和之前的翻译和环境没有关系，所以是确定的；
实时在线翻译不依赖之前的翻译动作，故为片段的；
环境——电话线路和音源是不变的（音源内容的变化不影响音源的属性状态，故可认为音源环境不变），故是静态的；
实时在线翻译读取的对话一般是间断的，进行不同句段翻译的动作之间也是间断的，故为离散的。

2.考虑一个医疗诊断系统的Agent，讨论该Agent最合适的种类(简单Agent，基于模型的Agent，基于目标的Agent和基于效用的Agent)并解释你的结论。
最合适该Agent的种类：基于效用的Agent

理由：
1.简单反射agent：基于当前的感知选择行动，不关注感知历史；根据当前状态匹配条件，按相应的规则行动。
分析：医疗诊断需要考虑病人之前的治疗历史、诊断结果和治疗方案，故简单反射agent不合适；

2.基于模型的反射agent：根据感知历史维持内部状态，并随时更新内部状态；使用内部模型跟踪世界当前状态，按照与反射Agent相同的方式选择行动。
分析：基于模型的反射agent需要知道世界是如何独立于agent而发展的信息，同时要清楚自身的行动是如何影响世界的。其在部分可观察环境中时不能精准确定当前的状态，而医疗诊断系统所处的环境——病人、医院、医护人员等环境是部分可观察的，此时基于模型的反射agent无法精准确定当前状态，故不选择。

3.基于目标的agent：根据感知信息和目标信息选择行动。产生一个当前的世界的描述，根据产生的世界的描述，生成一个候选的动作集，根据目标确定一个动作。也就是除了感知信息，还需要目标信息选择行动。
分析：基于目标的agent能产生并记录要达到的目标集合，并选择最终能导致目标达成的行动。但当有多个目标相互冲突时，此类agent不一定能实现最佳动作，而医疗诊断系统agent需要考虑的冲突情况有很多，如病人的疗效、治疗的费用、方案的成功性和风险性等因素，故不选择此类agent。

4.基于效用的agent：产生一个当前世界状态描述，产生一个候选动作集，对候选动作进行效用评估，得到一个排序，根据效用评估，选择一个动作。多目标行为需要考虑效率。
分析：该agent在达到目标有多种时，会考虑效率，可以在环境是部分可观察和随机的、不确定下情况下，选择效用最高的agent。故综合考虑，最适合医疗诊断系统agent的种类为基于效用的agent。

3.先建立一个完整的搜索树，起点是S，终点是G，如下图，节点旁的数字表示到达目标状态的距离，然后用以下方法表示如何进行搜索，并分析几种算法的完备性、最优性、以及时间复杂度和空间复杂度。

(a).深度优先；
(b).广度优先；
©.爬山法；
(d).最佳优先；
建立完整的搜索树：

(a)深度优先：

完备性：避免复杂状态和冗余路径的图搜索，在有限状态空间是完备的，因为它至多拓展所有结点。而树搜索可能会陷入死循环，是不完备的。在无限状态空间中，图搜索和树搜索都不是完备的。
最优性：不是最优的。在无限状态中，图搜索和树搜索都无法到达目标结点，故图搜索和树搜索都不是最优的。
时间复杂度：O(b^m).m指的是任一结点的最大深度。
空间复杂度：O(bm).状态空间分支因子为b最大深度为m时，深度优先搜索只需要存储O(bm)个结点。

(b)宽度优先：

完备性：完备的。如果最浅的目标结点处于一个有限深度d，宽度优先搜索在拓展完比它浅的所有结点（假设分支因子b是有限的）之后最终一定能找到该目标结点。
最优性：如果路径代价是基于结点深度的非递减函数，则宽度优先搜索是最优的。
时间复杂度：O(b^{(d+1)).假设搜索树根结点生成第一层b个子节点，第二层生成b*b个子节点，如此类推。在目标被检测到之前深度d上的其他节点已经被拓展，故时间负责度为O(b}(d+1))
空间复杂度：O(b^{d).每个已拓展的结点都保存在探索集中，则空间负责度总是在时间复杂度的b分之一内。那么将有O(b}(d-1))个结点在探索集中，O(b^{d)个结点在边缘结点集中，故空间复杂度为O(b}d)

©爬山法：

完备性：不是完备的，爬山法经常会在目标存在的情况下因为被局部极大值卡住而找不到目标。随机重启爬山法可以近似看做是完备的。
最优性：一般只能得到局部最优解，当优化的问题的局部最优解为全局最优解时是最优的。

(d)优先搜索：

完备性：当分支因子有限时是完备的。
最优性：当路径代价是结点深度的非递减函数时是最优的。
时间复杂度：O(b^d)
空间复杂度：O(bd)

4.图二是一棵部分展开的搜索树，其中树的边记录了对应的单步代价，叶子节点标注了到达目标结点的启发式函数的代价值，假定当前状态位于结点A。
a) 用下列的搜索方法来计算下一步需要展开的叶子节点。注意必须要有完整的计算过程，同时必须对扩展该叶子节点之前的节点顺序进行记录：

1. 贪婪最佳优先搜索
2. 一致代价搜索
3. A*树搜索
   (b) 讨论以上三种算法的完备性和最优性。
   
   (a)
   1.贪婪最佳优先搜索：
   如果h(B)>5，首先访问子结点C；如果h(B)<=5，首先访问结点B，再访问结点C

2.一致代价搜索
优先拓展代价消耗最小的结点，故首先访问结点B

3.A*树搜索
如果h(B)>=15，首先访问结点D；如果h(B)<15，首先访问结点B

(b)
1.贪婪最佳优先搜索
完备性：与深度优先搜索类似，即使是有限状态空间，也是不完备的。
最优性：有时候找到的答案不是最优的。

2.一致代价搜索
完备性：一致代价搜索只关心路径总代价，如果每一步的代价都>=某个小的正常数，则是完备的。
最优性：保证了每一个拓展的结点都是最优的，以此得到最优路径，具有最优性。

3.A树搜索
完备性：在最优解存在的情况下总是能找到最优解，是完备的。
最优性：如果h(n)是可采纳的，则A树搜索是最优的；如果h(n)是一致的，则图搜索的A*算法是最优的。

5.给定一个启发式函数满足h(G)=0,其中G是目标状态，证明如果h是一致的，那么它是可采纳的。