人工智能知识点总结
ai知识点总结
ai知识点总结一、人工智能的基本概念人工智能是一门涉及多个学科的交叉学科，包括计算机科学、机器人学、神经科学、哲学、数学等。
人工智能主要研究如何使机器能够具有智能，并进行自主的思考、学习、推理等行为。
人工智能可以分为弱人工智能与强人工智能。
弱人工智能指的是专门用于某一特定领域的人工智能系统，比如语音识别系统、推荐系统等。
而强人工智能则是具有类似于人类智能的综合智能系统，能够自主进行思考、学习、反思等行为。
人工智能的核心问题是智能的产生与表现。
这包括了如何使机器具有感知、认知、学习、推理、训练、规划、决策等能力。
为了解决这些问题，人工智能领域提出了多种方法和技术，其中包括机器学习、深度学习、语音识别、自然语言处理、计算机视觉等。
二、人工智能的相关技术1. 机器学习机器学习是人工智能的重要技术之一，主要用于构建模型并利用数据来进行学习和预测。
机器学习有监督学习、无监督学习和增强学习等不同类别。
在实际应用中，机器学习可以用于推荐系统、预测模型、分类器、聚类等任务。
2. 深度学习深度学习是机器学习的一种，它通过构建多层神经网络，用大量数据进行训练，从而实现模式识别、特征提取、语音识别、图像处理等任务。
深度学习在计算机视觉、自然语言处理、语音识别等领域有着广泛的应用。
3. 语音识别语音识别是一种通过计算机对语音进行识别和理解的技术。
语音识别技术可以应用于语音助手、语音控制、语音翻译等领域。
4. 自然语言处理自然语言处理是一种将计算机理解和处理自然语言的技术。
自然语言处理可以用于机器翻译、文本分类、情感分析等任务。
5. 计算机视觉计算机视觉是一种将计算机视觉感知和理解的技术。
通过计算机视觉技术，计算机可以进行图像识别、目标检测、图像生成等任务。
6. 强化学习强化学习是一种通过试错学习的技术，主要用于实现在复杂环境中进行决策和行动。
强化学习在智能游戏、机器人控制、自动驾驶等领域得到广泛应用。
7. 语义网语义网是一种通过语义标记实现互联网信息语义化、结构化的技术。
人工智能的知识点
人工智能的知识点
1. 人工智能能像人一样学习呢！你看那些智能机器人，它们可以通过大量的数据和算法来学习新的知识和技能，就好像咱们人类通过读书和实践不断成长一样。
比如说自动驾驶汽车，它就是通过不断学习各种路况和驾驶经验，变得越来越厉害！
2. 人工智能可厉害了，它竟然能识别图像和声音呀！想想看，你的手机可以通过语音助手听懂你的话，这多神奇啊！就如同你的好朋友能一下子明白你的意思一样。
比如面部识别解锁手机，不就是人工智能的杰作嘛！
3. 人工智能还能帮医生诊断疾病呢，是不是很牛？这就像是医生有了一个超级厉害的助手，能快速准确地发现问题。
比如通过人工智能对医学影像的分析，能更早地发现疾病的迹象，为治疗争取时间呀！
4. 人工智能在未来也许能做更多创造性的工作哦！好比它能作曲、绘画，简直不可思议呀！就好像它突然有了艺术家的灵魂。
像有些人工智能创作的音乐，还真挺好听的呢！
5. 哎呀，人工智能还能帮我们管理生活呢，太方便啦！就像有个智能管家一样，帮你安排日程、提醒你做事。
比如智能音箱帮你设置闹钟、播报天气，多贴心啊！
6. 人工智能的发展速度那叫一个快哟！这就像是在赛跑一样，不停地向前冲。
以后它肯定还会给我们带来更多的惊喜和改变呢。
想想未来的生活中到处都是智能的东西，多有意思啊！
我的观点结论：人工智能真的超级神奇和厉害，给我们的生活带来了很多的便利和惊喜，也让我们对未来充满了期待，但同时我们也要合理地利用它，让它更好地为我们服务。
人工智能知识点总结
人工智能知识点总结
一、人工智能的定义
人工智能（Artificial Intelligence，AI），即模拟智能，是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一
门新的技术科学。
它是计算机科学的一个分支，它试图构建一种具有智能
的人工系统。
二、人工智能的主要功能
（1）自动程序：
是指由计算机自动执行的程序，其中可以包括视觉、语音、手势等传
感器的处理，负责收集数据、分析数据并执行相应的任务。
（2）机器学习：
机器学习是一种利用计算机程序来从数据中学习出模型，它可以根据
不断接收到的新数据，来更新模型，以此来实现自我学习的效果。
（3）自然语言处理：
自然语言处理是利用计算机技术进行自然语言文本的分析和理解，它
可以根据文本语义获取符合文本要求的信息，实现人与机器之间的交互。
（4）计算机视觉：
计算机视觉是指利用计算机技术来处理图像，尤其是利用机器学习技
术来识别图像中的目标，实现信息提取。
三、人工智能的突破
（1）计算机算法研究
计算机科学家和人工智能研究人员一直在探索最有效的算法，以便让计算机解决一些复杂的问题。
人工智能导论知识点总结
人工智能导论知识点总结
1、人工智能（AI）：是研究计算机思维活动及其表示一类问题的理论，它旨在制作模拟人类智能的计算机程序。
2、学习：是指计算机从所给数据中推导出模式并应用该模式解决未知问题的能力。
3、机器学习：是计算机从经验学习规律流程及行为模式的一种技术，是人工智能中很重要的一类技术。
4、神经网络：是人工智能研究的重要方向，目的是模仿神经系统的思想、情感关系和记忆，对大脑进行推理。
5、机器人：是指具有人工智能技术与控制技术的机械装置或者软件系统，其功能是模拟或超越人类的肢体机能，从而具有实现复杂控制任务和职责的能力。
6、自然语言处理：是指用计算机来处理人类的自然语言，研究如何处理及应用自然语言的各种理论体系，并实现自然语言的语言技术。
7、智能搜索：是一类将机器学习和节点搜索结合的智能技术，可以根据输入条件，有效地搜索到所需要的解决方案，并在搜索过程中调整输入条件，以不断优化搜索结果。
人工智能知识点
人工智能知识点人工智能知识点1.一个系统如果能根据它所知的信息（知识、时间、资源等）能够做出最好的决策，就是理性的思考。
2.理性行为：做正确的事，即已知某些信念，理性智能体通过自己的行动达到某个目标或获得最佳结果，或在不确定的情况下，获得最佳期望结果。
3.什么是智能？智能简单说就是适应能力，环境变会进行思考后做出正确行为。
人工智能是相对人的自然智能而言，即用人工的方法和技术,模仿、延伸和扩展人的智能,实现某些``机器思维“。
4.人类智能的主要特点：感知能力、记忆与思维能力、归纳与演绎能力、学习能力以及行为能力。
5.归纳能力是通过大量实例，总结出具有一般性规律的知识的能力。
演绎能力是根据已有的知识和所感知到的事实，推理求解问题的能力。
6.理性智能体：做事正确。
性能度量：评价智能体在环境中的表现理性智能体应该选择期望能使其性能度量最大化的行动。
对环境的约束越多，设计的问题就越容易7.问题求解实质是通过搜索找到行动序列达到目标.首先把目标形式化，和目标无关的去掉（例去机场是目标，当前的其他事或行为不考虑）.问题形式化就是决策对于给定的目标需要考虑哪些行动和状态的过程，生成状态空间，搜索获得解8.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。
9.深度优先搜索: 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。
10.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。
当搜索空间很大且解的深度未知，迭代深入搜索是首先。
11.代价一致搜索的迭代搜索: 不断增加的路径耗散限制12.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。
12.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方向前进。
人工智能十大知识点
人工智能十大知识点人工智能（Artificial Intelligence，简称AI）是现代科技中的一个重要领域，涉及到诸多知识点。
本文将介绍人工智能领域中的十大知识点。
1. 机器研究（Machine Learning）机器研究是人工智能的核心技术之一，它使计算机能够通过对大量数据的研究和分析来获取知识和经验，并根据这些知识和经验自动进行决策和预测。
2. 深度研究（Deep Learning）深度研究是机器研究的一个分支，它使用人工神经网络来模拟人脑的研究和思维过程。
深度研究在计算机视觉、自然语言处理等领域取得了显著的成果。
3. 自然语言处理（Natural Language Processing，NLP）自然语言处理是人工智能与语言学的交叉领域，涉及到对人类语言的理解和处理。
通过自然语言处理技术，计算机可以理解和生成自然语言，实现与人类的交流。
机器视觉是研究如何让计算机“看”和理解图像和视频的技术。
它包括图像处理、目标检测与识别、图像分割、人脸识别等方面的内容。
5. 专家系统（Expert Systems）专家系统是一种基于知识库和推理引擎的人工智能系统，它模拟了人类专家的知识和推理过程，能够根据输入的问题提供专业的解答和意见。
6. 语音识别（Speech Recognition）语音识别技术使计算机能够将语音信息转化为文本或指令。
它广泛应用于语音助手、语音控制等领域。
7. 增强研究（Reinforcement Learning）增强研究是一种通过与环境进行交互来研究最优行为的方法。
它通过奖惩机制来引导智能体的研究，从而实现自主决策和优化。
8. 数据挖掘（Data Mining）数据挖掘是从大量数据中发现模式、关联和趋势的过程。
它通过统计学、机器研究等方法，帮助人们从数据中提取有价值的信息和知识。
9. 无人驾驶（Autonomous Driving）无人驾驶技术是将人工智能技术应用于汽车领域的一个重要应用。
人工智能的科学知识点总结
人工智能的科学知识点总结一、人工智能的基本概念1. 人工智能的定义人工智能是一种模拟人类智能的技术，旨在使计算机具备类似人类的认知、学习、推理和交流能力。
它涉及多个学科领域，包括计算机科学、数学、心理学和哲学等。
2. 人工智能的发展历程人工智能的研究始于上世纪50年代，经过几个阶段的发展，如符号主义、连接主义等，逐渐形成了较为完整的理论体系和技术体系。
目前，人工智能已经成为信息技术的前沿领域之一，对整个社会产生了深远的影响。
3. 人工智能的分类根据不同的研究方法和技术手段，人工智能可以分为强人工智能和弱人工智能。
强人工智能旨在实现完全拥有人类智能的计算机系统，而弱人工智能则是在特定领域模拟人类智能的技术。
4. 人工智能的发展趋势随着计算机技术的不断进步和数据规模的不断增长，人工智能的发展趋势将主要体现在深度学习、自然语言处理、机器视觉、智能机器人和智能系统等方面。
二、人工智能的技术1. 机器学习机器学习是人工智能的一个重要技术分支，它旨在使计算机系统能够通过学习算法，从数据中自动抽取出规律和模式，实现对未知数据的预测和分类。
（1）监督学习监督学习是一种从标记的训练数据中学习模型，并进行预测的技术。
它包括回归分析和分类分析等不同的学习方法。
（2）无监督学习无监督学习是一种从未标记的数据中学习模型的技术，它旨在发现数据中的隐藏模式和结构。
它包括聚类分析和关联分析等不同的学习方法。
（3）强化学习强化学习是一种通过试错方式学习的技术，它让计算机系统在与环境交互中，通过奖励和惩罚的方式学习最优的行为策略。
2. 深度学习深度学习是机器学习的一个分支，它使用多层神经网络模型进行特征抽取和学习，可以处理大规模的复杂数据，并在语音识别、图像处理和自然语言处理等领域取得了令人瞩目的成就。
3. 自然语言处理自然语言处理是人工智能的一个重要应用领域，它旨在使计算机系统能够理解、解析和生成人类自然语言的文本信息，支持机器翻译、情感分析和问答系统等应用。
人工智能重点知识总结
人工智能重点知识总结
人工智能（Artificial Intelligence，简称AI）是一种模拟人类智
能的技术，包括机器研究、自然语言处理、计算机视觉等领域。
下
面是人工智能的重点知识总结：
1. 机器研究
机器研究是人工智能的重要分支，通过让计算机从数据中研究
和改进，来实现自主完成任务。
常见的机器研究算法包括决策树、
支持向量机、神经网络等。
机器研究在图像识别、语音识别、推荐
系统等领域有广泛应用。
2. 自然语言处理
自然语言处理是研究计算机与人类自然语言之间的交互的领域。
它包括文本分类、机器翻译、情感分析等任务。
自然语言处理的技
术可以帮助计算机理解和处理人类语言，从而实现智能的对话和交流。
3. 计算机视觉
计算机视觉是研究如何使计算机理解和解释图像和视频的领域。
它包括图像分类、目标检测、图像生成等任务。
计算机视觉的应用
非常广泛，包括人脸识别、车牌识别、图像搜索等。
4. 深度研究
深度研究是一种机器研究的方法，通过构建具有多个隐层的神
经网络，使计算机可以从大量数据中研究特征和模式。
深度研究在
人脸识别、语音识别等领域取得了重大突破，被广泛应用于各个行业。
5. 强化研究
强化研究是一种通过试错和反馈机制来训练智能体的研究方法。
智能体通过与环境交互，根据奖励信号来调整自己的行为。
强化研
究在游戏、机器人等领域有重要应用。
以上是人工智能的重点知识总结，希望对您有所帮助。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
CHW:一、概论1. 人工智能是由计算机科学、控制论、信息论、神经生理学、心理学、语言学等构成。
2. 智能科学研究智能的基本理论和实现技术，是由脑科学、认知科学、人工智能等学科构成的交叉学科。
3. 认知(cognition)是和情感、动机、意志等相对的理智或认识过程。
认知科学是研究人类感知和思维信息处理过程的科学，包括从感觉的输入到复杂问题求解，从人类个体到人类社会的智能活动，以及人类智能和机器智能的性质。
思维是客观现实的反映过程，是具有意识的人脑对于客观现实的本质属性、内部规律性的自觉的、间接的和概括的反映。
智能是个体认识客观事物和运用知识解决问题的能力。
4. 人类思维的形态：感知思维、形象思维、抽象思维、灵感思维。
5. 神经网络基本特点：①以分布式方式存储信息。
②以并行方式处理信息。
③具有自组织、自学习能力。
符号智能：以知识为基础，通过推理进行问题求解。
也即所谓的传统人工智能。
计算智能：以数据为基础，通过训练建立联系，进行问题求解。
人工神经网络、遗传算法、模糊系统、进化程序设计、人工生命等都可以包括在计算智能6.符号智能与计算智能区别：符号智能就是传统人工智能，以知识为基础，通过推理求解问题；计算智能以数据为基础，通过训练建立联系，进行问题求解。
人工神经网络，遗传算法、模糊等都是计算智能。
7. 非单调推理：一个正确的公理加到理论中，反而使得所得结论变无效。
如封闭世界假设CWA，限定逻辑；定性推理：把物理系统分成子系统，对每个子系统之间的作用建立联系，通过局部因果性的行为合成获得实际物理系统的功能；不确定性推理：随机性、模糊性、不确定性。
如DS证据、模糊集、粗糙集、贝叶斯。
8. 知识、知识表示及运用知识的推理算法是人工智能的核心, 而机器学习则是关键问题。
机器学习的研究四个阶段：①无知识的学习：主要研究神经元模型和基于决策论方法的自适应和自组织系统。
②符号概念获取：给定某一类别的若干正例和反例，从中获得该类别的一般定义。
③实例学习：从实例学习结构描述。
④有知识的学习：把大量知识引入学习系统做为背景知识9. 机器学习的风范：①归纳学习：研究一般性概念的描述和概念聚类；②分析学习：在领域知识指导下进行实例学习, 包括基于解释的学习、知识块学习等。
③发现学习：根据实验数据或模型重新发现新的定律的方法。
④遗传学习：模拟生物繁衍的变异和自然选择，把概念的各种变体当作物种的个体, 根据客观功能测试概念的诱发变化和重组合并, 决定哪种情况应在基因组合中予以保留。
⑤连接学习：是神经网络通过典型实例的训练, 识别输入模式的不同类别。
10. 分布式人工智能：研究在逻辑上或物理上分散的智能动作者如何协调其智能行为，即协调它们的知识、技能和规划, 求解单目标或多目标问题，为设计和建立大型复杂的智能系统或计算机支持协同工作提供有效途径。
11. 人工思维将以开放式自主系统为基础，充分发挥各种处理范型的特长，实现集体智能，才能达到柔性信息处理，解决真实世界的问题。
12. 知识系统包括：①专家系统：专家系统是一种模拟人类专家解决领域问题的计算机程序系统。
这类计算机程序包括两部分：知识库。
它表示和存储由任务所指定领域知识的一组数据结构集合，包含有关领域的事实和专家水平的启发式知识。
推理机，它是构造推理路径的一组推理方法集合，以便导致问题求解、假设的形成、目标的满足等。
由于推理采用的机理、概念不同，推理机形成多种范型的格局。
②知识库系统：把知识以一定的结构存入计算机，进行知识的管理和问题求解，实现知识的共享。
③决策支持系统是计算机科学（包括人工智能）、行为科学和系统科学相结合的产物，是以支持半结构化和非结构化决策过程为特征的一类计算机辅助决策系统，用于支持高级管理人员进行战略规划和宏观决策。
其组成：数据库管理子系统、模型库管理子系统、方法库管理子系统、知识库管理子系统、会话子系统。
人工智能二、问题求解1. 问题表达及其变换1同构同态变换2问题分解法3状态空间求解法4问题演绎法5博弈问题求解法问题的状态空间：〈S，F，G〉S是初始状态集；F是操作的集合；而G为目标状态集。
☆状态空间搜索算法流程：2. 问题的状态空间可用有向图来表达，又常称其为状态树状态空间图在计算机中有两种存储方式：一种是图的显式存储，另一种是图的隐式存储。
图的显式存储:（1）概念：所谓图的显式存储，即把问题的全部状态空间图直接都存于计算机中的方式。
诸如一般计算机文件、程序文件和库文件的存储等，均为图的显式存储方式。
（2）适用条件：通常图的显式存储方式需要占据计算机的大量存储空间和处理时间，故这种存储方式仅适用于状态空间十分有限以及较简单的问题求解。
（3）特点：其优点是直观、明了，但缺点是占据存储空间大。
图的隐式存储:（1）概念：仅在计算机中存储关于要求解问题的相关各种知识，只在必要时再由相关的信息和知识逐步生成状态空间图的方式称为图的隐式存储。
（2）适用条件：适用于一般问题求解，尤其适宜于状态空间庞大的情况。
（3）特点：占据空间小，但不够直观，与图的显式存储刚好特点互补。
3. 深度搜索（盲搜索、非启发、深度越大越晚优先级越高、不完备、非算法）；广度/宽度搜索（盲搜索、非启发、深度越小越早优先级越高，完备）4. 广度优先算法搜索原则：1深度越小、越早生成结点的优先级越高。
2当最低层不止一个结点时，它选择最先生成的结点进行搜索。
广度优先算法步骤：(1) 初始结点S加入到队列OPEN的尾部；(2) 若OPEN为空，则搜索失败，问题无解；(3) 取出OPEN队头的结点n，并放入CLOSE队列中；(4) 若n是目标结点D，则搜索成功，问题有解；(5) 若n是叶结点，则转(2)；(6) 扩展n结点(即找出它的所有直接后继)，并把它的诸子结点依次加入OPEN 队尾，修改这些子结点的返回指针，使其指向结点n。
转(2)。
5. 深度优先搜索搜索原则：1深度越大、越晚产生结点的优先级越高。
2深度优先搜索是不完备的，属于非算法的搜索过程。
深度优先算法步骤：(1) 初始结点S放入堆栈OPEN中；(2) 若OPEN为空，则搜索失败，问题无解；(3) 弹出OPEN表中最顶端结点放到CLOSE 表中，并给出顺序编号n；(4) 若n为目标结点D，则搜索成功，问题有解；(5) 若n无子结点，转(2)；(6) 扩展n结点，将其所有子结点配上返回n的指针，并按次序压入OPEN 堆栈，转(2)。
6. 有界深度优先搜索特点：引入搜索深度限制值d，使深度优先搜索过程具有完备性。
有界深度优先算法步骤：(1)初始结点S放入堆栈OPEN中；(2)若OPEN为空，则搜索失败，问题无解；(3)弹出OPEN中栈顶结点n，放入CLOSE表中，并给出顺序编号n；(4)若n为目标结点D，则搜索成功，问题有解；(5)若n的深度d(n)=d，则转(2) ；(6)若n无子结点，即不可扩展，转(2) ；(7)扩展结点n，将其所有子结点配上返回n的指针，并压入OPEN堆栈，转(2)。
7. 代价推进搜索特点：节点间有向边的代价不同。
(1)广度优先搜索法：每次从OPEN表中取出具有最小代价的节点进行扩展。
(2)有界深度优先搜索法：用代价限制g代替深度限制d，用代价g(n)代替节点深度d(n)。
8. 广度、深度、有界深度优先搜索和代价推进搜索法等，它们的局限性及其特点为：①基本搜索策略普遍适用于树状问题求解，控制性知识简单，容易编程在计算机上实现。
但是它一般必须知道问题的全部状态空间，搜索效果差，求解能力弱，故常被称为弱方法。
②它们都是依据某种固定规则运行的搜索，均属于非启发的强力搜索，没有表现出智能搜索的活跃性与灵活性。
③由于基本搜索策略疏忽了对给定问题的特有知识的分析,没有充分考虑所要求解问题的自身发展规律和特性，搜索完全是按事先确定好的固定排序来进行的，这是一种穷尽遍历的大海捞针式的策略，没有任何启发式信息引导，往往使得实际搜索效率很低，故又被称为盲目搜索。
9. 启发式搜索策略：利用与问题解有关的启发信息来作引导的搜索策略。
特点是：由于充分考虑到问题求解所应用到的各种启发信息及知识，包括利用常识性推理和专家经验等信息与知识，启发式搜索能够动态地确定操作排序，优先调用较合适的操作规则，扩展、比较并选择最有希望的节点，使搜索尽可能以最快的速度，最短的距离，最小的代价，朝着最有利于达到目标节点的方向推进。
即以智能思想调节搜索区，使尽量沿着最有希望找到解的路径方向上，纵向小范围地搜索前进。
采用启发式搜索策略：（1）使用了控制性知识中的启发信息，因而弥补了略去的部分状态空间所带来的有用信息丢失；（2）启发式搜索往往是深度优先搜索法的改进。
只需知道问题的部分状态空间，就可以求解智能问题。
（3）与基本搜索相比，启发式搜索最大特点就是搜索效率要高得多。
搜索效率及其评价：P=L/T L是从根节点到达目标节点的深度；T是在整个搜索过程中产生节点总数(不计根节点)，因此，这里P反映的是朝着目标搜索时的搜索宽度。
10. 启发式搜索方法分为局部择优搜索和全局择优搜索两大类。
瞎子爬山局部择优搜索过程：每搜索到达一个节点，其随后选择的下一节点不是按规则预定的或盲目选定的，而是按经验进行智能处理，使用估计函数f(x)来搜索当前最优的节点。
优点：方法简单，由于取消了OPEN表，要处理的数据量减少了，所以占用内存空间少、速度快。
缺点：瞎子爬山法主要只在单因素，单极值的情况下使用，而在多极值情况下会遇到许多困难，导致找不到最佳解，会遇到“多峰”、“盆地”或“平台”、“山脊”问题等。
11. 瞎子爬山法进行人机交互搜索（智能搜索）的主要思路和步骤如下：（1）分析搜索的性质；（2）是否有许多可供选择的路径和方案，各种选择是否有优劣之分；（3）有哪些可供利用的启发信息；（4）启发信息可否编制成操作简便、易于判别、便于实现的规则；（5）编程完成使用规则的程序，用之进行择优搜索。
12. 与/或树的有序搜索，即采用启发式搜索策略，求出能够使得根节点可解的最小搜索树的解树。
一般来说，局部择优搜索与全局择优搜索仅适用于状态空间是代价树的搜索求解，而有序搜索既可适用于代价树的搜索求解，又能适用于有向图的搜索求解。
13. 博弈树：在博弈过程中，按照博弈规则和步法状态过程分析，客观评判博弈双方在各自分枝节点上所获得的分数估计值，并依照其中任何一方的角度而依次生成具有得分值表示的与/或搜索树。
博弈原理：博弈的各方总是要挑选对自己最为有利而对对方最不利的那个行动方案。
14.α值—取子节点中的最大倒推值，作为当前下界“≥··”，□，MAX方控制的或节点。
β值—取子节点中的最小倒推值，作为当前上界“≤··”，○，MIN方控制的与节点。