本文概述了人工智能中的核心概念，包括理性的Agent定义、环境类型、智能体的分类，以及搜索问题的解决策略。重点讨论了深度优先搜索、宽度优先搜索、一致代价搜索、启发式搜索如A*搜索在解决问题中的应用。此外，还涉及约束满足问题的回溯搜索技术和概率模型中的贝叶斯网络推理方法。最后，简要介绍了强化学习中的Q-Learning和价值函数。
一.Agent
1. 如果一位人类询问者在提出一些书面问题以后不能区分书面回答是来自人还是计算机，那么这台计算机通过图灵测试。
2.AI可以像人一样思考和行动，即合理的思考和行动。
3.理性意味着最大化预计的效用
理性智能体的概念——追求尽可能好的表现，agent的特征是感知和决策。
agent = 体系结构 + 程序
理性agent的定义：
对于每一个可能的感知序列，根据已知的感知序列提供的证据和Age t具有的先验知识，理性agent应该选择能使其性能度量最大化的行动。理性不等于完美，理性是使期望的性能最大化，而完美是使实际的性能最大化。
agent的本质是根据感知作出决策
4.环境的类型
全部可观测/部分可观测
单智能体/多智能体
确定的/随机的
片段式的/延续式的
离散的/连续的
5.agent的类型
反射智能体
基于目标的智能体
基于效用的智能体
二.搜索问题
1.初始状态、行动和转移模型定义了问题的状态空间。问题由状态空间、路径耗散和目标测试定义。
2.对于搜索树的每个结点，定义的数据结构包含四个元素：
state:对应状态空间的状态
parent：搜索树中产生该结点的结点
action:父节点生成该结点所采取的行动
Path-Cost:代价，初始结点到该结点的路径消耗
3.深度优先搜索：栈 ，总是扩展树的当前边缘结点集中最深的结点。深度优先搜索不是最优的，它的优势在于空间复杂度
宽度优先搜索：队列，时间和空间
最低0.47元/天 解锁文章
扫一扫
2178
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
