人工智能期末复习资料

1、精品文档一、智能化智能体1 .什么是智能体？什么是理性智能体？智能体的特性有哪些？智能体的分类有哪些？智能体定义：通过传感器感知所处环境并通过执行器对该环境产生作用的计算机程序及 其控制的硬件。理性智能体定义：给定感知序列（percept sequence）和内在知识（built-in knowledge）, 理性智能体能够选择使得 性能度量 的期望值（expected value）最大的行动。智能体的特性：自主性（自主感知学习环境等先验知识）、反应性（Agent为实现自身 目标做出的行为）、社会性（多Agent及外在环境之间的协作协商）、进化性（Agent自主学 习，逐步适应环境变化）智能体

2、的分类：简单反射型智能体：智能体寻找一条规则，其条件满足当前的状态（感知），然后执行该规则的行动。基于模型的反射型智能体：智能体根据内部状态和当前感知更新当前状态的描述，选择符合当前状态的规则，然后执行对应规则的行动。基于目标的智能体：为了达到目标选择合适的行动，可能会考虑一个很长的可能行动序列，比反射型智能体更灵活。基于效用的智能体：决定最好的选择达到自身的满足。学习型智能体：自主学习，不断适应环境与修正原来的先验知识。2 .描述几种智能体类型实例的任务环境PFAS并说明各任务环境的属性。答题举例：智能体：自动出租车司机 性脆嚏前口安 全、快谣、守法、舒班、利泗毫人 环珀O 咯况* 他情*乘

3、客r打人我才了瑞O 方向假 加侬麟. 到年 佰号灯 传感器. W像尖.小液化屐捌、GPS. j也内“ 批IM四箭体类型件帐度环惊执行耨传感器医学诒断系瞌恢氟更康的 扁人.费用 最小化一矗3谆设病人医院! 职员星示;问题.测试.熔断， 治疗.辔询健盘输入. 症状.检查 结果一病人 回答挑拣零件的 机器人放进正麻语 子的事件的 口分比弑有零件的 性送带，霜 于有关节的胳 瞌和手摄像去关节皓度倍感 器交互式嵬谐 戟师最大化学至 的测试成癌号空东台. 测验机构显示（语音 育成 一绿K谎说现正遮盘编入 f语音汉别i任靠环决可观空号商定性片叁及春作智熊体数出布乍翼 喉郃介，语机的麻候式的可奔的乾等的手坛学

4、德闾r 程赫静分岫机的近城式的动森的叵嫌的单任帏政 机黑人都分岫机的片或战的理曲随煌蝶的华交互式荚 电氯师邰分“陋机的延坡式的动态的明融的手钾,横手磁 游戏常全确立的延城式的静春的语毒的练习：给出如下智能体的任务环境描述及其属性刻画。o 机器人足球运动员o 因特网购书智能体o 自主的火星漫游者o 数学家的定理证明助手二、用搜索法对问题求解1 .简述有信息搜索（启发式搜索）与无信息搜索（盲目搜索、非启发式搜索）的区别。非启发式搜索：按已经付出的代价决定下一步 要搜索的节点。具有较大的盲目性，产生较多 的无用节点，搜索空间大，效率不高。启发式搜索：要用到问题自身的某些信息，以指导搜索朝着最有希望的

5、方向前进。由于这种搜索针对性较强，因而原则上只需搜索问题的部份状态空间，搜索效率较高。2 .如何评价一个算法的性能？（度量问题求解的性能）? 完备性：当问题有解时，算法是否能保证找到一个解；? 最优性：找到的解是最优解；? 时间复杂度：找到一个解需要花多长时间?搜索中产生的节点数? 空间复杂度：在执行搜索过程中需要多少内存?在内存中存储的最大节点数3 .简述几种搜索方式的思想。非启发式搜索：广度优先搜索：首先扩展根节点，接着扩展根节点的所有后续，然后在扩展它们的后续， 依次类推。在下一层的任何节点扩展之前搜索树上本层深度的所有节点都已经扩展过。代价一致搜索：扩展路径消耗最低的节点，若单步耗散相

6、等，则等价于广度优先搜索算法。深度优先搜索：扩展搜索树的当前边缘中最深的节点。搜索直接推进到搜索树的最深层，当最深层节点扩展完没达到目标节点则将向上回到下一个还有未扩展后续节点的稍浅的节点。深度有限搜索：深度为l的节点被当做没有后续的节点对待。迭代深入深度优先搜索：不断增大深度限制，直到找到目标节点。代价一致搜索的迭代搜索：不断增加路径耗散限制双向搜索：运行两个同时的搜索：向前搜索（从初始状态向前搜索）和向后搜索（从目标状态向后搜索），扩展节点前检查该节点是否在另一棵树的边缘。启发式搜索：贪婪最佳优先搜索： 定义一个评价函数f ,对当前的搜索状态进行评估，找出一个最有希望 的节点来扩展。局部搜

7、索算法：从单独的一个当前状态出发，只移动到相邻状态，找目标状态，通常不保留搜索路径。爬山法搜索：根据一个目标函数，找寻目前邻居中状态最好的一个（最陡上升）。（贪婪局部搜索)模拟退火搜索：先高温烧热，再慢慢降温。当温度”T降低得足够慢，能找到全局最优解的概率逼近1。局部剪枝搜索：按一定概率随机地从后续集合中选择k个后续，若出现目标状态则停止， 否则再从所有后续中选择 k个最佳后续，重复这一过程。遗传算法：基于进化过程中的信息遗传机制和优胜劣汰的自然选择原则的搜索算法。4 .什么是启发式、启发式函数、可采纳的启发式、一致的启发式、启发式搜索？ PPT方法 对h加以限制。评价函数 f(n) = g(

8、n) + h(n)g(n):从初始状态s到状态n的实际耗散值。h(n):启发函数，从状态n到目标的最短路径的估计耗散值f(n):从s经过n到目标的最短路径估计耗散值方法:对11小?以限制亍如同b(n瑾里调乱的节点序列其赠非累谕即-定义工一个启发中救-轲称h是单调C或一致3如杲E喻后节点.层足工C EJJ tKo) ：-dn#Ajo 1 J如AM) 江叫如取 力心发式肥 /则VH介M 粒，。力人”星I卜凰#北的串I LVI佗弋闰故L1- MJ-戒的|i I U J A hrj-uiriitiic: i3 non?t ilrrit if fcir r-vrry fi ccJl hl Lvcry i

9、ujczczla/cit n of rt grrnirrsilir ri hy 不门产 actiiork d hffi) ;-+ hfrt?If A ii caniilateint we have 2 - g(Hik) + h(n)=*1匚(mfiVIl + hi(n- 应 g + h(n) =flfn) W Tfcth? + hfr w. yE,dT + ErT.H.nC+hD., W cEqc/Y -r-北”r E 为口感节点B碗的一个点. f为从节点 E JRJPJ打动f nriHl I I tdH B c(n,a,r) *(:.n。日M。*.“上日(n一曰为从 j.l n 判也 I I

10、 M b 的虬正沼1L 对仃您的/gn I 阿的等七心少 他而埋I成W5.简述A*算法，证明其最优性。2.什么是育*中法，讪叫火是好优的：A*鸵法为一种有信息枸扁狎法.在坤法中通过评价嗡散时拽索树中的海个书点边打得 价淄肝圻函数有两部分倒成足起始节点到达某个节点的筑除路径淹死，：是谍节点洌达(1标节点的曙柱消耗估计工族部分同为内发式函数入 如果由发式蜻数是口采纳的,刚诬 整法就是依世的,. ),犯 I 卜! Suppose home LlbuptirTkl 月 口31 白 N hai verier a Lfd an J iM I ri lh& fringe. Ltt nbe hi unt|Mn

11、dtrd 门口d若 in th白 fringe、。匚h thdt n i、n h shOrtriit pith tG Krt uptim)Knj=血】)+山班)+ W)皿*如)fG2) - C(G2S( e(G)e(G)G2 fG) -nG2nG) .h(dj l rirta(n) *图川+ h(n) f【n)不 f(G)smcr h【CSJ) - Usince G2 月 tul?qpt,inMl sine士 h(G) = Ofrerrt Abovefrom Jbove51nte h is adnijssibk,n + h*(n)=312欢在下载Hence f(G2) f(n)r and A*

12、 wilil nsvpr select G2 far eKpnicn6.简述智能优化方法中遗传算法的概念及优点。遗传算法通过作用于染色体上的基因寻找好的染色体来求解问题。随机产生初始群体，其中每个个体给予一个数值评价即适应度，基于适应度来随机选择染色体，使适应性好的染色体有更多繁殖机会。优点：? 随机搜索：始于搜索空间的一个随机点集，而不像图搜索那样固定地始于初始节点。? 满意解? 并行搜索：从搜索空间的一个点集(种群)到另一个点集。适合大规模并行计算， 有能力跳出局部最优解。? 算法适应性强：除确定适应度函数外几乎不需要其他先验知识? 不要求解的连续性，因此能从离散的、多极值、含噪声的高维问

13、题中找到全局最优。三、知识表不课本P42用谓词表达语句。2J (1)定义谓词为k喜欢汽*：；梅花皿*62：痛注.(三 * ) ( f融$ ( 3 flower ) V ( 3 1 )(也(雪晔) ) V ( 3 I ) ( liken ( x ,/low, er L ) A Hkd je . flowtrl)(2)定义谓词% 丁 K)为*在*时间玩, . :下午-(V x ) ( pi ay 5 ( Ac,x)(3)定义谓词：前* I %)为彳书y n A(V 工)(ha证( t，应出)AI,应。)(4)定义谓愠：理“孙”为h寻欢以*;人.(V 工) _ h%( *(右0/力儿H)1 ipJa

14、y( vaUtyball)(5)定义谓词:产为/通过T允为工到i学习x：人，fttamt上，小A )为外谙考演( t)r x ,( Enjr/i.iA) ) - *r ( srtidyt r,abromi)2,2 (1V( 3j-)(?(*,y) A*(*,y)o (三外的辖域为 Q(叫力/ fi(y)附同公式中工为约束变元、巴人)中的),为白由变元“(”工.冷中的1为 约束变无口(2) ( V (3f)DSU , y) A Q(x ) A (Vjt) f (j) v hB (a )- Q)变量标准化cVx(X)A 0(A) V a)Sy) A (x) A(H)/8.归结原理(1)应用归结原理

15、证明定理 例3.9某公司招聘工作人员，a R * C三人应试,经面试 后公司表示如下想法:11 三人中至少录取一人保 如果录取4而不量取5,电一定录取Cc.O如果录取则一定录取C求iff二 公司 定录取 例3。日如二规则L任何人的兄弟不是女性. 规则 任何人的如妹必是女性c 事实：yrary是日以的姐妹付求证: AJary不是Tom的兄弟.(2)应用归结原理求解问题(u )v 耿W)】- (4)消去存在量词，设y的函数姐的，则卬幻陋A Q1 V国组人A Q(切八ewHHW) 7右(H，)- 例3.3将下列谓词公式化为子句集口 (续)(5)化为前束形7*)C)F3 A。3卜S3 人工 A 口 A

16、 PM V Hgn6化为标准形(VxXVw) |g(x) AP(X)1 Va /(x)j A P(1V)v 5(w)J2W)0(幻 A 1(x) V S(_x,f(x)八P(w) VC7)略去全称星闻O(jf aP(x) y $ /(.) a P(ir)v (m )|C)消去合取代，把母式用子句集表示QGLP(m-v B(w)(9)子句变最标准化gOO,汽wy夙“)口例3. 11已知：5,王CWanQ先生是小李CLi)的老师=玛小李与小张(Zliang)是同殂同学。F” 如果工与？是同班同学，则v的老师也是V的老师口求；小张的老师是谁？五、不确定性推理方法1 .不确定推理的概念。不确定性推理：

17、从不确定性的初始证据出发，通过运用不确定性的知识，程度的不确定性但却是合理或者近乎合理的结论的思维过程。2 .可信度方法可信度：根据经验对一个事物或现象为真的相信程度。可信度带有较大的主观性和经验性，其准确性难以把握。C- F模型：基于可信度表示的不确定性推理的基本方法。L知识不确定性的表示*产生式则表示：IF E N H dH.期CF可信度因子feemintv factor)，反映前提条件与玷诒的联耒强度QIF头痛 AND 流涕 THEN 字言卬,73?CF (H, E)的取彳1 范围：-1,1。?若由于相应证据的出现增加结论H为真的可信度，则 CF(H,现越是支持 H为真，就使CF (H,

18、 E)的值越大。? 反之，CF(H, E) 0 ,证据的出E)的值就越小。3 .可信度求法例4J设有如下一组知识工%:IF|THENHg)r .IFH(Ofi)5 小马THESHq 二IF旦4Q出ORt) TUEy .修；IFE、 q。 Ett已知i 0(上 j =。息 F(Ej = 0.511cF芭3-CF()- 0.7,CF() = DA 5= d-乐 CF(H)第一加工对每一条原剜求出ri m .9 :(F(恪)=n.r * tnax 口，r F/7* aNC 1月、 Of 界.)同-0 - -0, rtbin CrF(iKl ).h ftF. i)一 O，x0. min CFI E. ). ew CF (E, ).0.7