人工智能考试整理.docx
- 文档编号:330149
- 上传时间:2022-10-09
- 格式:DOCX
- 页数:55
- 大小:5.69MB
人工智能考试整理.docx
《人工智能考试整理.docx》由会员分享,可在线阅读,更多相关《人工智能考试整理.docx(55页珍藏版)》请在冰豆网上搜索。
人工智能考试整理
智能定义(知识阈值理论)智能确实是在巨大的搜索空间中迅速找到一个中意解的能力
智能的综合性定义:
智能是知识和智力的总和。
其中知识是智能行为的基础。
智能的特征:
1)具有经历与思维能力
存贮有感官得到的外界信息并加以处理(如分析,计算,联想、决策等)
2)具有感知能力:
通过感官猎取外部信息的能力。
3)具有自适应能力
通过与外部世界交互学习,积存经验,增长知识,以适应环境变化。
4)具有表达能力
通过语言、手势、表情等方式完成信息的输出。
深蓝:
能够模拟人的思维,进行博弈的计算机。
1997年5月12日,一个名为“深蓝”(deepBlue)的IBM计算机系统战胜当时的国际象棋冠军盖利.卡斯帕罗夫
图灵测试:
两个房间,一个是人,一个是机器,测试者通过一系列的提问,假如提问题的人无法分辨是人依旧机器在回答问题,则认为该机器具有智能
人工智能(ArtificalIntelligence,简称AI)又称机智能machineintelligence,一般认为起源于美国1956年的一次夏季讨论(达特茅斯会议)在这次会议上,第一次提出了“ArtificalIntelligence”那个词。
AI的本质问题:
研究如何制造出人造的智能机器或系统,来模拟人类的智能活动的能力,以延伸人们智能的科学。
产生式系统由三个部分组成
1)综合数据库(GlobeDatabase)
也称为:
事实库,上下文等。
作用:
存放问题求解的过程中产生的状态描述信息。
2)规则库(RuleBase)(问题本身知识、求解知识)
也称为规则基、规则集等。
作用:
存放规则知识。
产生式规则的一般表达形式:
IF(前提)…THEN(结论)…
即:
假如…那么….
例:
1)数学定理
2)IFA是一种动物ANDA是哺乳动物ANDA吃肉
THENA是高级动物
关于不精确推理
当规则的前提成立时,结论并非完全成立。
这种推理称为不精确推理。
通常采纳阈值方法来解决此类问题。
(3)操纵策略(ControlStrategy)
a选择规则库中的规则与综合数据库的已知事实进行匹配,匹配成功的规则为可用规则,否则为不可用规则。
b规则冲突的解决(可用规则书>1)。
c将选中的规则的结论放入综合数据库。
产生式系统的特点:
1模式化:
所有规则具有相同的形式
2结构化:
规则见的关联比较简单,容易维护。
3自燃性:
规则表达了因果关系,比较符合人们的思维方式,容易理解。
4单一性:
智能处理因果关系问题。
5效率低,规则匹配过程专门大。
产生式系统的适用范围:
1)知识杂乱、事实众多、无统一理论的领域
2)该领域的知识能够抽象出来
3)该领域的知识可分解为一组独立的动作,以便用规则加以表示。
概括讲的讲:
问题空间从一个状态到另一个状态的转移序列独立的领域可采纳产生式系统模拟。
产生式系统一般性算法:
1DATA←初始数据库
2untilDATA满足结束条件条件之前do:
3Begin
在规则集中选择某一可用于DATA的规则R
DATA←R应用到DATA后得到的结果
END
例1字符转换
问题:
设字符转换规则
A∧B→CA∧C→D
B∧C→GB∧E→F
D→E
已知:
A,B
求:
F
一、综合数据库
{x}:
其中x为字符
二、规则集
IFA∧BTHENC
IFA∧CTHEND
IFB∧CTHENG
IFB∧ETHENF
IFDTHENE
三、操纵策略
顺序排队
四、初始条件{A,B}
五、结束条件:
例2八数码游戏
问题:
一个3×3棋盘有八张牌1,2,…8及一个空格,空格周围的牌能够向空格移动。
求解:
给定一个初始状态s一个目标状态G,求S到G的走步序列。
产生式系统的差不多操纵策略
概括的讲:
产生式系统操纵策略---搜索
1)不可撤回方式
2)试探性方式
a回溯方式(Backtracking)
b图搜索方式(Graphsearch)
1.不可撤回方式
差不多策略:
选择规则时只依靠局部知识(信息),而不考虑是否全局最佳选择,只能满足局部优化条件,用过的规则不再撤回。
特点:
a方法简单,容易实现
b具有一定的局限性,适用范围小(只可用于单极值情况)
c可能会造成规则的多次重复使用。
比如:
‘爬山算法’,不可用于解决多极值问题。
关于局部知识的利用:
设计局部评价函数W(n),依照W(n)最大为原则来选择规则。
例:
八数码问题
设:
-W(n):
不在位的数码个数n:
任意状态
目标状态:
-W(n)=0(每个数码就位)
最不利状态-W(n)=-8
(每个数码都不在规定的位置)
2.回溯方式
差不多策略:
试探性的选择一条规则,假如发觉此规则不合适,则退回去另选其他规则。
关键在于回溯条件的设定。
特点:
a有用性好(相对不可回撤方式)
b适用范围较大,在一定程度上能幸免盲目性
c可解决局部极值问题
设计方法:
a确定合适的回溯条件
b充分利用可用知识来排列规则,减少回溯次数
例:
八数码游戏(要紧讨论回溯条件)
回溯条件:
a新产生的状态差不多在搜索过程中出现;
b应用规则的数量差不多超过规定值(深度限制)
c当前状态,无可用规则
满足上述条件之一则产生回溯,每次回溯一层。
3.图搜索方式
差不多策略:
它是一种展开式搜索方法,把问题空间看成一张隐含图,从中搜索出一条解路径。
特点:
a有用性好
b能保留完整的搜索树
c关于解空间较大的问题而言,搜索代价较大。
例:
八数码问题
这是一个典型的宽度优先策略,因此搜索代价比较大。
总结:
三种操纵策略的特点
1)不可撤回方式:
沿一条路径单向延伸搜索
2)回溯方式:
可修正搜索路径
3)图搜索方式:
展开式搜索,可保留完整的搜索树。
产生式系统分类
1.一般性产生式系统
依照规则的应用方式,一般性产生式系统能够分为三种类型:
1)正向系统(数据驱动)
采纳正向推理方式,即由初始状态推理到目标状态,正向系统里的规则是正向使用的:
规则的前提成立,那么规则的结论成立。
2)反向系统(目标驱动系统)
采纳反向推理方式:
即由目标状态反向推理找到初始状态。
反向系统的规则是反向使用的:
先假设规则的结论成立,在查找使其成立的前提条件。
3)双向系统
由数据、目标双向驱动,最后终止在某个中间状态。
例:
数学证明思路
2.可交换产生式系统
定义:
满足下列性质的产生式系统称为可交换产生式系统
a给定能够用于数据库D的规则集R,关于使用R中的任何规则后产生的任何数据库,规则集R仍然可用。
(规则适用性)
b假如目标条件被D满足,则应用R中的任何规则于D上所产生的任何数据库仍可满足目标条件。
(数据库可用性)
c应用R中一个规则序列于D上后,得到的数据库不随这规则序列次序变化而变化。
(规则次序无关性)
3.可分解产生式系统
定义:
任何待求解的数据库都能够分解为若干个独立处理重量的产生式系统称为可分解产生式系统。
求解方法:
将初始数据库分解为几个可独立处理的重量,用规则分不求解,生成新的数据库,再分解,再求解,明白结束。
可分解产生式系统的一般性算法:
1DATA←初始数据库
2{Di}←DATA,Di库:
独立的重量数据库
3until{Di}的所有元素都满足结束条件之前,do:
4begin5从{Di}中选择一个不满足结束条件的D*
6把D*从{Di}中删除
7从规则集R中选一条可用于D*的规则r,设D是人应用于D*的结果是D的分解式。
8在{Di}添加di
9end
AI领域的知识分类
a陈述性知识:
用于描述综合数据库的状态。
(如事实等)
b过程性知识:
用于规则中表达问题的知识.(如客观规律等)
c操纵性知识:
用于构成操纵策略的知识(算法、数据结构等)
AI系统的一个难题:
知识表达问题,要能够客观的描述现实,简化求解过程,有效的提高求解效率,降低求解代价。
产生式系统的搜索策略
状态空间:
由给定问题的所有可能的状态组成的空间(相当于全集G)
搜索空间:
按某种策略在状态空间中选取的部分空间(G的子集)
解路径(解空间):
求解问题的一条有效路径。
搜索策略的差不多思路:
搜索空间必须包含解路径,假如问题有解,且尽量缩小搜索空间。
搜索策略的评价准则:
总体费用最低
费用的划分:
a规则应用的费用:
执行规则时所花的费用b操纵费用:
选择规则所花的费用。
1.回溯策略
2.图搜索策略
3.启发式图搜索策略1)A算法2)爬山算法3)分支界限算法4)动态规划算法5)A*算法
6)h函数与A*的关系7)关于单调性限制8)A*算法示例
例四皇后问题
定义综合数据库:
设:
DATA={ij︱1<=i,j<=4},其中:
ij表示棋子所在行列如:
24表示第二行第四列有一枚棋子
因为棋盘上可放入的棋子数为0~4个
因此集合中元素数位0~4个,即length(DATA)=0~4
图搜索的实质是从问题空间中找出一张包含目标节点的子图。
图搜索的结果:
1,一个完整的搜索图G。
2一个解路径,用指针表示的解路径。
ProcedureGraphSearch
1G=G0(G0=s),open=(s)//s:
初始状态
2closed=()
3Loop:
ifopen=()thenexit(fall)
4n←first(open)remove(n,open),add(n,closed)
5ifgoal(n)thenexit(success)
6{mj}←expand(n),//mj不含n的先辈节点
7open←add(open,mj)//mj不在open,closed中
标记mj每个到n节点指针
确定是否需要修改已在open,closed中的每个节点到n的指针
确定是否需要修改已在closed中的每个节点的后继节点原来的指针。
8按照某种方式排列open表中的节点,goloop
深度优先算法
Procedruedepth-First-Search
1G=G0(G0=s),open=(s),closed=()//s:
初始状态
2Loop:
ifopen=()thenexit(fall)
3n←first(open)
4ifgoal(n)thenexit(success)
5remove(n,open),add(n,closed)
6{mj}←expand(n),//mj不含n的先辈节点
7open←add(open,mj)//mj不在open,closed中
标记mj每个到n节点指针,按照节点深度递减顺序排列open中的节点
8goloop
讨论1:
假如问题有解,有深度优先搜索算法,是否能够找到解?
不一定.解空间是否有限?
讨论2:
本算法的改进之处是open中节点按照深度优先排列,然而没有对深度加以操纵,可能造成搜索代价太大
宽度优先算法:
Procedruebreadth-First-Search
1G=G0(G0=s),open=(s),closed=()//s:
初始状态
2Loop:
ifopen=()thenexit(fall)
3n←first(o
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 人工智能 考试 整理
![提示](https://static.bdocx.com/images/bang_tan.gif)