人工智能概论知识要点（一）

第一章

1人工智能的定义
人工智能就是用人工的方法在机器（计算机）上实现智能行为。
2三大学派
2.1符号主义
是一种基于推理的智能模拟方法，源于数理逻辑。
物理符号系统假设:任一物理符号系统如果是有智能的，则必能执行六种功能。反之，能执行这六种操作的任何系统,也就一定能够表现出智能。
推论:人是一个物理符号系统，计算机也是一个物理符号系统,因此能够用计算机来模拟人的智能行为。
2.2连接主义
源于仿生学，特别是人脑模型的研究。
核心思想:认为人的智能归结为人脑的高层活动的结果,强调智能活动是由大量简单的单元通过复杂链接后并行运行的结果，其原理是神经网络及神经网络间的连接机制与学习算法。
认为人的思维基元是神经元。
2.3行为主义
1控制学论派
关注:低级生物智能
起源:控制论
观点:认为智能取决于感知和行为，取决于对外界复杂环境的适应，而不是表示和推理。
2进化主义
关注:群体的进化
起源:达尔文学说，孟德尔遗传学说
观点:人的智能归根结底是从生物进化中得到
3其他
关注:低等生物的群体智能行为的模拟。

第二章状态空间表示与问题求解

2.1问题求解与状态空间表示法
人工智能的多个研究领域从求解现实问题的过程来看，都可抽象为一个“问题求解”过程，问题求解过程实际上就是一个搜索过程。 在搜索过程开始之前，必须先用某种方法或某几种方法的混和来表示问题。因而问题求解技术主要涉及两个方面：问题的表示和求解的办法。
状态空间表示法就是用来表示问题及其搜索过程的一种方法。
状态空间方法：基于解答空间的问题表示和求解方法，它是以状态和算符为基础来表示和求解问题的。
主要包括：状态、算符、状态空间。


初始状态：S0={210345867} ;目标状态：Sg={012345678}

算符（Operator）: 当对一个问题状态使用某个可用操作时，它将引起该状态中某些分量值的变化，从而使问题从一个具体状态变为另一个具体状态。


问题的状态空间（State space）：利用状态变量和算符表示系统或问题的有关知识的符号体系。
状态空间常用一个四元组表示：（S，O，S0，G）
S：为状态集合；
O：为状态转换规则集合（操作的集合）；
S0：为问题的所有初始状态的集合；
G：为目标状态的集合。
状态空间的图示形式称为状态空间图。其中图的节点表示状态， 图的边表示算符。
从初始棋局开始，试探由每一合法走步得到的各种新棋局，然后再走一步而得到的下一组棋局。这样继续下去，直至达到目标棋局为止。





2.2 图搜索策略
 问题表示是问题求解所必须的，从问题表示到问题的解决，有一个求解过程,也就是搜索过程。
 状态空间法的求解过程等价于在状态空间图中搜索一条从初始节点到目标节点的路径问题。


1这是一个通用的搜索过程, 后面讨论的状态空间各种搜索策略都是其特例。
2算法结束后，将生成一个图G，称为搜索图。同时由于每个节点都有一个指针指向父节点，这些指针指向的节点构成G的一个支撑树，称为搜索树。
3从目标节点开始，将指针指向的状态回串起来，即找到一条解路径。
如下为9格子迷宫搜索示例

图搜索分类

 对OPEN表中节点排序方式产生了不同的搜索策略，不同的搜索策略效率不同。
 这种排序可以是任意的即盲目的(属于盲目搜索)，也可以用各种启发思想或其它准则为依据(属于启发式搜索)。

2.3盲目式搜索
1概念：没有启发信息的一种搜索形式(按预定的控制策略进行搜索，在搜索过程中获得的中间信息不用来改进控制策略)
2特点：不需重排OPEN表
3种类：宽度优先、深度优先、等代价搜索
4宽度（广度）优先搜索策略
（1）定义：如果搜索是以接近起始节点的程度依次扩展节点的，那么这种搜索就叫做宽度优先搜索。
（2）特点：这种搜索是逐层进行的；在对下一层的任一节点进行搜索之前，必须搜索完本层的所有节点。
（3）流程示意图：

（4）算法流程图


4深度优先搜索策略
（1）定义：1首先扩展最新产生的（即最深的）节点；2深度相等的节点可以任意排列。
（2）特点 1首先扩展最深的节点的结果使得搜索沿着状态空间某条单一的路径从起始节点向下进行下去；
2仅当搜索到达一个没有后裔的状态时，才考虑另一条替代的路径。
（3）防止搜索过程沿着无益的路径扩展下去，往往给出一个节点扩展最大深度 ——深度界限。任何节点如果达到了深度界限，那么都将把它们作为没有后继节点来处理。
定义-节点的深度:
(1)起始节点的深度为0。
(2)任何其他节点的深度等于其父辈节点的深度加1。
与宽度优先搜索算法最根本的不同：将扩展的后继节点放在OPEN表的前端。
（4）算法的具体过程

1. 把起始节点 S放到未扩展节点 OPEN表中。如果此节点为一目标节点，则得到一个解。
2. 如果 OPEN为一空表，则失败退出。
3. 把第一个节点（节点n）从 OPEN表移到CLOSED表。
4. 如果节点 n的深度等于最大深度，则转向(2)
5. 扩展节点n，产生其全部后裔，并把它们放入OPEN表的前端,如果没有后裔，则转向(2)
6. 如果后继节点中有任一个为目标节点，则求得一个解，成功退出，否则，转向(2)
   
   5等代价搜索
   （1）概念
   1宽度优先搜索的一种推广。
   2不是沿着等长度路径断层进行扩展，而是沿着等代价路径断层进行扩展。
   3搜索树中每条连接弧线上的有关代价，表示时间、距离等花费。
   （2）等代价搜索中的几个记号
   ◇起始节点记为 S；
   ◇从节点i到它的后继节点j的连接弧线代价记为 c(i, j)
   ◇从起始节点S到任一节点i的路径代价记为g(i) 。
   ◇对于节点i的每个后继节点j,总代价的迭代公式为 g(j)=g(i)+c(i, j)。
   3搜索过程
   （代价树的广度优先搜索）
7. 把初始节点S0放入OPEN表，令g(S0 )=0。
8. 如果OPEN表为空，则问题无解，退出。
9. 把OPEN表的第一个节点（记为节点i ）取出放入CLOSED表。
10. 考察节点i是否为目标节点。若是，则求得了问题的解，退出。
11. 若节点i不可扩展，则转第2步。
12. 扩展节点i ，为每一个子节点都配置指向父节点的指 针，对于节点i的每个后继节点j,计算 g(j)=g(i)+c(i, j)，并把所有后继节点j放进OPEN表. 按各节点的代价对OPEN表中的全部节点进行排序(按从小到大的顺序)，然后转第2步。

代价树的深度优先搜索
1.把初始节点S0放入OPEN表，令g(S0 )=0。
2.如果OPEN表为空，则问题无解，退出。
3.把OPEN表的第一个节点（记为节点n）取出放入CLOSED表。
4.考察节点n是否为目标节点。若是，则求得了问题的解，退出。
5.若节点n不可扩展，则转第2步。
6.扩展节点n，将其子节点按代价从小到大的顺序放到OPEN表中的前端，并为每一个子节点都配置指向父节点的指针，然后转第2步。

在代价树的宽度优先搜索中，每次都是从OPEN表的全体节点中选择一个代价最小的节点送入CLOSED表进行观察；
而代价树的深度优先搜索是从刚扩展出的子节点中选一个代价最小的节点送入CLOSED表进行观察。

6总结
按照事先规定的路线进行搜索
1 广度优先搜索是按“层”进行搜索的，先进入OPEN 表的节点先被考察
2 深度优先搜索是沿着纵深方向进行搜索的，后进入OPEN表的节点先被考察

2.4启发式搜索

一般需要某些有关具体问题的领域的特性信息,把此种信息叫做启发信息。
需定义一个评价函数，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。
重排OPEN表,选择最有希望的节点加以扩展
一、A算法
1

2局部择优搜索(瞎子爬山法)
搜索过程如下:
(1) 把初始节点S0放入OPEN表，计算f(S0)；
(2) 如果OPEN表为空,则问题无解，退出；
(3) 把OPEN表的第一个节点(记为节点n)取出，放入CLOSED表；
(4) 考查节点n是否为目标节点，若是，则求得了问题的解，退出；
(5) 若节点n不可扩展，则转第(2)步；
(6) 扩展节点n，用估价函数 f(x) 计算每个子节点的估价值，并按估价值从小到大的顺序依次放入OPEN表的首部，并为每一个子节点都配置指向父节点的指针，转第(2)步。
3有序搜索
也叫全局择优搜索或最好优先搜索.
选择OPEN表上具有最小f值的节点作为下一个要扩展的节点。




二、A*算法

g*(n)是从初始节点S0到任意节点n的一条最佳路径的代价；
h*(n)是从节点n到目标节点的一条最佳路径的代价；
g(n)是对g*(n)的估计，g(n)>= g*(n)
h(n)是h*(n)的下界，即对所有n的，h(n)<=h*(n)