人工智能基础07--自动规划系统
(完整版)人工智能基础课程
➢ 机器学习（machine learning） 通过学习（learning）来获得进行预测或判断的能力，
这样的方法已经成为人工智能的主流方法。
人工智能概述
机器学习的方法
从数据中学习
➢ 从已知数据去学习数据中蕴含的规律或判断规则，再把学到的规 则应用到新数据并作出判断或预测
达特茅斯楼
2006年，会议五十年后，当事人重聚达特茅斯。左起： 摩尔，麦卡锡，明斯基，赛弗里奇，智能的第一次浪潮（1956-1974）
1963年，美国高等研究计划局投入两百万美元 给麻省理工学院，培养了早期的计算机科学和人 工智能人才。
1964-1966年，约瑟夫・维森鲍姆（Joseph Weizenbaum）教授建立了世界上第一个自然 语言对话程序ELIZA，可以通过简单的模式匹配 和对话规则与人聊天。
特征的质量很大程度上决定了分类器最终分类效果的好坏 不同类型的数据，不同的特征提取方法
例：鸢尾花特征的提取 ➢ 通过实际观察,花瓣的长度和宽度作
为有效分类鸢尾花的特征 ➢ 特征的数学表达：特征向量 ������������, ������������ ➢ 问题的描述：特征点和特征空间
特征与分类器
爱德华・费根鲍姆 “专家系统之父”
人工智能的出现及发展
人工智能的第三次浪潮（2011-现在）
21世纪，人类迈入了“大数据”时代，此时电脑芯片的计算能力高速增长，人 工智能算法也因此取得重大突破。研究人工智能的学者开始引入不同学科的数学 工具，为人工智能打造更坚实的数学基础。在数学的驱动下，一大批新的数学模 型和算法被发展起来，逐步被应用于解决实际问题，让科学家看到了人工智能再 度兴起的曙光。
人工智能课件 -07.机器学习
第五节 类比学习
类比推理形式的说明 设有两个具有相同或相似的论域：源域S和目标域T，
且已知S中的元素a和T中的元素b具有相似的属性P，即 P(a) ≌ P(b)，a还具有属性Q，即Q(a)。根据类比推理， b也具有属性Q。即
P(a)∧Q(a), P(a) ≌ P(b) |- Q(b)Q(a)
第五节 类比学习
第四节 归纳学习
2、联想归纳 若已知两个事物a与b有n个属性相似或相同，即 a具有属性P1，b具有属性P1 a具有属性P2，b具有属性P2 …… a具有属性Pn，b具有属性Pn
发现a具有属性Pn+1，则当n足够大时，可归纳出： b也具有属性Pn+1
的结论。
第四节 归纳学习
3、类比归纳 设A、B分别是两类事物的集合：
类比推理是在两个相似域之间进行的：一个是已认识的域， 称为源域，记为 S；另一个是当前尚未完全认识的域，称为 目标域，记为T。类比推理的目的就是从S中选出与当前问题 最近似的问题及其求解方法来求解当前的问题，或者建立起 目标域中已有命题间的联系，形成新知识。
设S1、T1分别表示 S 与 T 中的某一情况，且S1与T1相似， 再假设S2与S1相关，则由类比推理可推出T中的T2,且T2与S2 相似。
第四节 归纳学习
5、消除归纳
当我们对某个事物发生的原因不清楚时，通常会作一
些假设，这些假设之间是析取关系。以后，随着对事物
Байду номын сангаас
认识的不断深化，原先作出的某些假设有可能被否定，
经过若干次否定后，剩下的就可作为事物发生的原因。
这样的思维过程称为消除归纳。
已知：
A1 V A2 V … V An ~A1 ~Ai
人工智能(全套课件)
21世纪初至今，随着计算机技术的飞速发展和大数据 时代的到来，人工智能再次焕发出勃勃生机。
4
技术原理及核心思想
2024/1/26
技术原理
人工智能的技术原理主要包括机器学习、深度学习、自然语 言处理、计算机视觉等。这些技术通过对大量数据进行学习 、分析和处理，使计算机能够模拟人类的智能行为。
核心思想
介绍蒙特卡洛方法的基本 原理，及其在强化学习中 的应用。
2024/1/26
蒙特卡洛树搜索
详细阐述蒙特卡洛树搜索 算法的原理、流程和实现 细节，包括选择、扩展、 模拟和回溯四个步骤。
算法优化
探讨针对蒙特卡洛树搜索 算法的改进和优化方法， 如UCT算法、RAVE算法等 。
21
遗传算法和蚁群优化算法
遗传算法
2024/1/26
22
06
知识图谱与推理技术
2024/1/26
23
知识表示和存储方式
2024/1/26
知识表示方法
包括基于逻辑、基于框架、基于 语义网等表示方法，用于描述现 实世界中的各种概念和关系。
知识存储方式
采用图数据库、关系数据库、 NoSQL数据库等存储方式，实现 知识的持久化和高效访问。
2024/1/26
16
目标检测与跟踪技术
2024/1/26
目标检测方法
介绍基于滑动窗口、区域提议网络（RPN）等目标检测方法。
目标跟踪方法
探讨基于相关滤波、深度学习等目标跟踪技术的原理和实现。
目标检测与跟踪应用
展示目标检测与跟踪在视频监控、自动驾驶等领域的应用案例。
17
三维重建与虚拟现实应用
三维重建技术
智能技术的健康发展。
《人工智能》课程教学大纲.doc
《人工智能》课程教学大纲课程代码：H0404X课程名称：人工智能适用专业：计算机科学与技术专业及有关专业课程性质：本科生专业基础课﹙学位课﹚主讲教师：中南大学信息科学与工程学院智能系统与智能软件研究所蔡自兴教授总学时：40学时﹙课堂讲授36学时，实验教学4学时﹚课程学分：2学分预修课程：离散数学，数据结构一.教学目的和要求：通过本课程学习，使学生对人工智能的发展概况、基本原理和应用领域有初步了解，对主要技术及应用有一定掌握，启发学生对人工智能的兴趣，培养知识创新和技术创新能力。
人工智能涉及自主智能系统的设计和分析，与软件系统、物理机器、传感器和驱动器有关，常以机器人或自主飞行器作为例子加以介绍。
一个智能系统必须感知它的环境，与其它Agent和人类交互作用，并作用于环境，以完成指定的任务。
人工智能的研究论题包括计算机视觉、规划与行动、多Agent系统、语音识别、自动语言理解、专家系统和机器学习等。
这些研究论题的基础是通用和专用的知识表示和推理机制、问题求解和搜索算法，以及计算智能技术等。
此外，人工智能还提供一套工具以解决那些用其它方法难以解决甚至无法解决的问题。
这些工具包括启发式搜索和规划算法，知识表示和推理形式，机器学习技术，语音和语言理解方法，计算机视觉和机器人学等。
通过学习，学生能够知道什么时候需要某种合适的人工智能方法用于给定的问题，并能够选择适当的实现方法。
二.课程内容简介人工智能的主要讲授内容如下：1.叙述人工智能和智能系统的概况，列举出人工智能的研究与应用领域。
2.研究传统人工智能的知识表示方法和搜索推理技术，包括状态空间法、问题归约法谓词逻辑法、语义网络法、盲目搜索、启发式搜索、规则演绎算法和产生式系统等。
3.讨论高级知识推理，涉及非单调推理、时序推理、和各种不确定推理方法。
4.探讨人工智能的新研究领域，初步阐述计算智能的基本知识，包含神经计算、模糊计算、进化计算和人工生命诸内容。
人工智能系统的基本结构
归纳推理
从特殊到一般的推理过程， 即从具体事例推导出一般 规则或原理。
默认推理
在缺乏足够信息时，使用 已知信息进行推理的过程。
机器学习与深度学习
机器学习
使用算法让计算机从数据中学习 并改进自身的性能。
深度学习
使用神经网络进行机器学习的方 法，通过模拟人脑神经元的工作 方式来处理和解析复杂的信息。
THANKS
感谢观看
人工智能系统的基本结构
• 引言 • 感知层 • 认知层 • 决策层 • 执行层 • 应用层 • 挑战与展望
01
引言
人工智能的定义
人工智能（AI）是一门研究、开发用于模拟、延伸和扩展人的 智能的理论、方法、技术及应用系统的新技术科学，它是计算 机科学的一个分支，旨在生产出一种能以人类智能相似的方式 做出反应的智能机器。
数据安全与隐私保护
数据安全
随着人工智能应用的普及，数据安全问题日益突出。为了保护用户隐私和数据安全，需要采取有效的加密和安全 存储措施，防止数据泄露和被恶意攻击。
隐私保护
在人工智能应用中，用户的隐私信息容易被滥用或泄露。为了保护用户隐私，需要制定严格的隐私政策，并采取 匿名化、去标识化等手段，避免将用户隐私信息用于不当目的。
AI的未来发展方向
智能化
未来的人工智能系统将更加智能化，能够更好地理解和分析复杂的 数据和情境，为用户提供更加精准和个性化的服务。
跨领域应用
人工智能技术将在更多领域得到应用，如医疗、金融、交通等，为 各行业带来创新和变革。
人机交互
未来的人工智能系统将更加注重人机交互的设计和实现，提高用户体 验和交互效果。
2024年度2024人工智能课程大纲
马尔可夫决策过程（MDP）
理解强化学习基本原理，掌握MDP模型及贝尔 曼方程。
Q-learning
基于值函数逼近的强化学习方法，通过Q表或神 经网络实现。
ABCD
2024/3/23
动态规划
学习值迭代、策略迭代等动态规划方法求解强化 学习问题。
深度强化学习
结合深度学习技术，应用深度Q网络（DQN） 、策略梯度等方法解决复杂强化学习问题。
前景展望
自动驾驶、智能家居、智慧医疗、智 慧金融等行业的深度融合与创新。
5
伦理、法律与社会影响
伦理问题
数据隐私、算法偏见、人工智能的自主性等 。
法律问题
知识产权、责任归属、监管政策等。
2024/3/23
社会影响
就业市场变革、信息传播方式改变、人类与 机器的互动方式等。
6
2024/3/23
02
CATALOGUE
Python编程
基础语法、数据结构、函数与类、异常处理、文 件操作等。
C编程
基础语法、指针与引用、面向对象编程、STL库 使用等。
3
算法实现
使用Python或C实现基本的数据结构与算法，如 链表、栈、队列、排序算法等。
2024/3/23
9
数据结构与算法基础
算法分析
时间复杂度与空间复杂度的概念及分析方法 。
基础知识与技能
7
数学基础：线性代数、概率论等
线性代数
矩阵运算、向量空间、特征值与特征向量、线性变换等。
概率论
概率分布、随机变量、条件概率、贝叶斯定理、大数定律与中心 极限定理等。
最优化理论
梯度下降、牛顿法、拟牛顿法等优化算法的原理与应用。
2024/3/23
计算机专升本人工智能与智能系统的基础知识
计算机专升本人工智能与智能系统的基础知识人工智能（Artificial Intelligence, 简称AI）是计算机科学的一个重要分支，致力于研究和开发能够模拟人类智能的算法和系统。
随着人们对于人工智能的需求与日俱增，计算机专升本中的人工智能与智能系统的基础知识也变得越来越重要。
本文将介绍计算机专升本学习人工智能与智能系统的基础知识的重要性以及相关知识的具体内容。
一、人工智能与智能系统的基础知识的重要性随着信息技术的飞速发展，人们对于人工智能的需求不断增加。
从无人驾驶汽车到智能家居系统，人工智能技术正逐渐影响和改变着我们的生活。
因此，学习人工智能与智能系统的基础知识具有重要的意义。
首先，掌握人工智能与智能系统的基础知识可以提升个人的竞争力。
随着人工智能技术的广泛应用，相关专业人才的需求也日益增长。
学习人工智能与智能系统的基础知识，可以为个人在职场上的发展提供更多机会。
其次，了解人工智能与智能系统的基础知识可以帮助我们更好地理解和应用相关技术。
人工智能与智能系统是一门高度综合的学科，它涉及到机器学习、数据分析、自然语言处理等多个领域。
只有掌握了这些基础知识，我们才能更好地理解和应用人工智能技术。
最后，学习人工智能与智能系统的基础知识可以培养我们的创新能力和解决问题的能力。
人工智能技术正在推动科技的发展，我们需要有创新的思维方式和解决问题的能力来应对日益复杂的挑战。
二、人工智能与智能系统的基础知识的具体内容1. 机器学习：机器学习是人工智能的核心技术之一，它通过让计算机具备“学习”的能力，使计算机可以从数据中不断获取知识和经验，并利用这些知识和经验来提高其性能。
其中，监督学习、无监督学习和强化学习是机器学习的常用方法。
2. 数据分析：数据分析是从大量的数据中提取有价值的信息和知识的过程。
在人工智能与智能系统中，数据分析技术可以帮助我们处理和分析海量的数据，从而发现其中的规律和趋势，并为决策和预测提供支持。
国家自然科学基金委信息学部的学科名称及代码修订版
国家自然科学基金委信息学部的学科名称及代码修订版IBMT standardization office【IBMT5AB-IBMT08-IBMT2C-ZZT18】F01 电子学与信息系统F0101 信息论F0102 信息系统F0103通信理论与系统F0104通信网络F0105移动通信F0106 空天通信F0107 水域通信F0108 多媒体通信F0109 光通信F0110 量子通信与量子信息处理F0111 信号理论与信号处理F0112雷达原理与雷达信号F0113 信息获取与处理F0114 探测与成像F0115 图像处理F0116图像表征与显示F0117 多媒体信息处理F0118 电路与系统F0119电磁场F0120电磁波F0121 微波光电子F0122物理电子学F0123 敏感电子学与传感器F0124生物电子学与生物信息处理F0125 医学信息检测与处理F02 计算机科学F0201计算机科学的基础理论F0202 计算机软件F0203计算机体系结构F0204计算机硬件技术F0205 计算机应用技术F0206 信息安全F0207计算机网络F03 自动化F0301控制理论与技术F0302控制系统F0303系统建模与仿真技术F0304系统工程理论与技术F0305生物系统分析与调控F0306检测技术及装置F0307导航、制导与控制F0308智能制造自动化理论与技术F0309机器人学与机器人技术F0310人工智能驱动的自动化F04 半导体科学与信息器件F0401 半导体材料F0402集成电路设计F0403 半导体光电子器件F0404 半导体电子器件与集成F0405 半导体物理F0406 集成电路器件、制造与封装F0407微纳机电器件与控制系统F0408 新型信息器件F05 光学与光电子学F0501光学信息获取、显示与处理F0502 光子与光电子器件F0503 传输与交换光子学F0504红外与太赫兹物理及技术F0505 非线性光学与梁子光学F0506 激光 F0507 光谱技术F0508 应用光学F0509 光学和光电子材料F0510 空间光学F0511 大气、海洋与环境光学F0512 生物、医学光学与光子学F0514 能源与照明光子学F0514 维纳光子学F0515 光子集成技术与器件F0506 交叉学科中的光学问题F06 人工智能F0601 人工智能基础F0602 机器学习F0603机器感知与模式识别F0604 自然语言处理F0605知识表示与处理F0606智能系统与应用F0607人知与神经科学启发的人工智能F07 交叉学科中的信息科学F0701 教育信息科学与技术F0702信息与数学交叉问题国家自然科学基金委信息学部的学科名称及代码F01 电子学与信息系统F0101信息理论与信息系统F010101信息论F010102信源编码与信道编码F010103通信网络与通信系统安全F010104网络服务理论与技术F010105信息系统建模与仿真F010106认知无线电F0102通信理论与系统F010201网络通信理论与技术F010202无线通信理论与技术F010203空天通信理论与技术F010204多媒体通信理论与技术F010205光、量子通信理论与系统F010206计算机通信理论与系统F0103信号理论与信号处理F010301多维信号处理F010302声信号分析与处理F010303雷达原理与技术F010304雷达信号处理F010305自适应信号处理F010306人工神经网络F0104信息处理方法与技术F010401图像处理F010402图像理解与识别F010403 多媒体信息处理F010404探测与成像系统F010405信息检测与估计F010406 智能信息处理F010407视觉信息获取与处理F010408遥感信息获取与处理F010409网络信息获取与处理F010410传感信息提取与处理F0105电路与系统F010501电路设计理论与技术F010502电路故障检测理论与技术F010503电路网络理论F010504高性能电路F010505非线性电路系统理论与应用F010506功能集成电路与系统F010507功率电子技术与系统F010508射频技术与系统F010509电路与系统可靠性F0106电磁场与波F010601电磁场理论F010602计算电磁学散射与逆散射F010604电波传播F010605天线理论与技术F010606毫米波与亚毫米波技术F010607微波集成电路与元器件F010608太赫兹电子技术F010609微波光子学F010610F010611瞬态电磁场理论与应用F010612新型介质电磁特性与应用F0107物理电子学F010701真空电子学F010702量子、等离子体电子学F010703超导电子学F010704相对论电子学纳电子学F010706表面和薄膜电子学F010707新型电磁材料与器件基础研究F010708分子电子学F010709有机、无机电子学F0108生物电子学与生物信息处理F010801电磁场生物效应F010802生物电磁信号检测与分析F010803生物分子信息检测与识别F010804生物细胞信号提取与分析F010805生物信息处理与分析F010806生物系统信息网络与分析F010807生物系统功能建模与仿真F010808仿生信息处理方法与技术F010809系统生物学理论与技术F010810医学信息检测方法与技术F0109敏感电子学与传感器F010901机械传感机理与信息检测F010902气体、液体信息传感机理与检测F010903压电、光电信息传感机理与检测F010904生物信息传感机理与检测F010905微纳米传感器原理与集成F010906多功能传感器与综合技术F010907新型敏感材料特性与器件F010908新型传感器理论与技术F010909传感信息融合与处理F02计算机科学F0201计算机科学的基础理论F020101理论计算机科学F020102新型计算模型计算机编码理论F020104算法及其复杂性F020105容错计算F020106形式化方法F020107机器智能基础理论与方法F0202计算机软件F020201软件理论与软件方法学F020202F020203程序设计语言及支撑环境F020204数据库理论与系统F020205系统软件F020206并行与分布式软件F020207实时与嵌入式软件F020208可信软件F0203计算机体系结构计算机系统建模与模拟F020302计算机系统设计与性能评测F020303计算机系统安全与评估F020304并行与分布式处理F020305高性能计算与超级计算机F020306新型计算系统F020307计算系统可靠性F020308嵌入式系统F0204计算机硬件技术F020401测试与诊断技术F020402数字电路功能设计与工具F020403大容量存储设备与系统F020404输入输出设备与系统F020405高速数据传输技术F0205计算机应用技术F020501计算机图形学F020502计算机图像与视频处理F020503多媒体与虚拟现实技术F020504生物信息计算F020505科学工程计算与可视化F020506人机界面技术F020507计算机辅助技术F020508模式识别理论及应用F020509人工智能应用F020510信息系统技术F020511信息检索与评价F020512知识发现与知识工程F020513新应用领域中的基础研究F0206自然语言理解与机器翻译F020601计算语言学F020602语法分析F020603汉语及汉字信息处理F020604少数民族语言文字信息处理F020605机器翻译理论方法与技术F020606自然语言处理相关技术F0207信息安全F020701密码学F020702安全体系结构与协议F020703信息隐藏F020704信息对抗F020705信息系统安全F0208计算机网络F020801计算机网络体系结构F020802计算机网络通信协议F020803网络资源共享与管理F020804网络服务质量F020805网络安全F020806网络环境下的协同技术F020807网络行为学与网络生态学F020808移动网络计算F020809传感网络协议与计算F03自动化F0301控制理论与方法F030101线性与非线性系统控制F030102过程与运动体控制F030103网络化系统分析与控制F030104离散事件动态系统控制F030105混杂与多模态切换系统控制F030106时滞系统控制F030107随机与不确定系统控制F030108分布参数系统控制F030109采样与离散系统控制F030110递阶与分布式系统控制F030111量子与微纳系统控制F030112生物生态系统的调节与控制F030113最优控制F030114自适应与学习控制F030115鲁棒与预测控制F030116智能与自主控制F030117故障诊断与容错控制F030118系统建模、分析与综合F030119系统辨识与状态估计F030120系统仿真与评估F030121控制系统计算机辅助分析与设计F0302系统科学与系统工程F030201系统科学理论与方法F030202系统工程理论与方法F030203复杂系统及复杂网络理论与方法F030204系统生物学中的复杂性分析与建模F030205生物生态系统分析与计算机模拟F030206社会经济系统分析与计算机模拟F030207管理与决策支持系统的理论与技术F030208管控一体化系统F030209智能交通系统F030210先进制造与产品设计F030211系统安全与防护F030212系统优化与调度F030213系统可靠性理论F0303导航、制导与传感技术F030301导航、制导与测控被控量检测及传感器技术F030303生物信息检测及传感器技术F030304微弱信息检测与微纳传感器技术F030305多相流检测及传感器技术F030306软测量理论与方法F030307传感器网络与多源信息融合F030308多传感器集成系统F0304F030401模式识别基础F030402特征提取与选择F030403图像分析与理解F030404语音识别、合成与理解F030405文字识别F030406生物特征识别F030407生物分子识别目标识别与跟踪F030409网络信息识别与理解F030410机器视觉F030411模式识别系统及应用F0305人工智能与知识工程F030501人工智能基础F030502知识的表示、发现与获取F030503本体论与知识库F030504数据挖掘与机器学习F030505逻辑、推理与问题求解F030506神经网络基础及应用F030507进化算法及应用F030508智能Agent的理论与方法F030509自然语言理解与生成F030510智能搜索理论与算法F030511人机交互与人机系统F030512智能系统及应用F0306机器人学及机器人技术F030601机器人环境感知与路径规划F030602机器人导航、定位与控制F030603智能与自主机器人F030604微型机器人与特种机器人F030605仿生与动物型机器人F030606多机器人系统与协调控制F0307认知科学及智能信息处理F030701知觉与注意信息的表达和整合F030702学习与记忆过程的信息处理F030703感知、思维与语言模型F030704基于脑成像技术的认知功能F030705基于认知机理的计算模型及应用F030706脑机接口技术及应用F030707群体智能的演化与自适应F04半导体科学与信息器件F0401半导体晶体与薄膜材料F040101半导体晶体材料F040102非晶、多晶和微纳晶半导体材料F040103薄膜半导体材料F040104半导体异质结构和低维结构材料F040105SOI材料F040106半导体材料工艺设备的设计与研究F040107有机/无机半导体复合材料F040108有机/聚合物半导体材料F0402集成电路设计与测试F040201系统芯片SoC设计方法与IP复用技术F040202模拟/混合、射频集成电路设计F040203超深亚微米集成电路低功耗设计F040204集成电路设计自动化理论与CAD技术F040205纳米尺度CMOS集成电路设计理论F040206系统芯片SoC的验证与测试理论F040207MEMS/MCM/生物芯片建模与模拟F0403半导体光电子器件F040301半导体发光器件F040302半导体激光器F040303半导体光探测器F040304光集成和光电子集成F040305半导体成像与显示器件F040306半导体光伏材料与太阳电池F040307基于柔性衬底的光电子器件与集成F040308新型半导体光电子器件F040309光电子器件封装与测试F0404半导体电子器件F040401半导体传感器F040402半导体微波器件与集成F040403半导体功率器件与集成F040404半导体能量粒子探测器F040405半导体电子器件工艺及封装技术F040406薄膜电子器件与集成F040407新型半导体电子器件F0405半导体物理F040501半导体材料物理F040502半导体器件物理F040503半导体表面与界面物理F040504半导体中杂质与缺陷物理F040505半导体输运过程与半导体能谱F040506半导体低维结构物理F040507半导体光电子学F040508自旋学物理F040509半导体中新的物理问题F0406集成电路制造与封装F040601集成电路制造中的工艺技术与相关材料F040602GeSi/Si、SOI和应变Si等新结构集成电路F040603抗辐射集成电路F040604集成电路的可靠性与可制造性F040605芯片制造专用设备研制中的关键技术F040606先进封装技术与系统封装F040607纳米电子器件及其集成技术F0407半导体微纳机电器件与系统F040701微纳机电系统模型、设计与EDAF040702微纳机电系统工艺、封装、测试及可靠性F040703微纳机电器件F040704RF/微波微纳机电器件与系统F040705微纳光机电器件与系统F040706芯片微全分析系统F0408新型信息器件F040801纳米结构信息器件与纳电子技术F040802基于分子结构的信息器件F040803量子器件与自旋器件F040804超导信息器件F040805新原理信息器件F05光学和光电子学F0501光学信息获取与处理F050101光学计算和光学逻辑F050102光学信号处理与人工视觉F050103光存贮材料、器件及技术F050104光全息与数字全息技术F050105光学成像、图像分析与处理F050106光电子显示材料、器件及技术F0502光子与光电子器件F050201有源器件F050202无源器件F050203功能集成器件F050204有机/聚合物光电子器件与光子器件F050205光探测材料与器件F050206紫外光电材料与器件F050207光子晶体及器件F050208光纤放大器与激光器F050209发光器件与光源F050210微纳光电子器件与光量子器件F050211光波导器件F050212新型光电子器件F0503传输与交换光子学F050301导波光学与光信息传输F050302光通信与光网络关键技术与器件F050303自由空间光传播与通信关键技术F050304光学与光纤传感材料、器件及技术F050305光纤材料及特种光纤F050306测试技术F050307。
- 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)。
合肥工业大学 人工智能与数据挖掘研究室
12/47
7.3 STRIPS规划系统
7.3.1 积木世界的机器人规划
2.用F规则求解规划序列
采用F规则表示机器人的动作，这是一个叫做STRIPS规划 系统的规则，它由3部分组成：
第一部分是先决条件。为了使F规则能够应用到状态描述 中去。
第二部分是一个叫做删除表的谓词。当一条规则被应用于 某个状态描述或数据库时，就从该数据库删去删除表的内容。
目录
第一章 第二章 第三章 第四章 第五章 第六章 第七章 第八章 第九章 第十章
绪论 知识表示 搜索技术 推理技术 机器学习 专家系统 自动规划系统 自然语言理解 智能控制 人工智能程序设计
合肥工业大学 人工智能与数据挖掘研究室
1/47
自动规划概述 基于谓词逻辑的规划 STRIPS规划系统 分层规划 基于专家系统的机器人规划 轨迹规划简介
合肥工业大学 人工智能与数据挖掘研究室
4/47
7.1 自动规划概述
7.1.1 规划的概念及作用
2. 规划的作用
规划可用来监控问题求解过程，并能够在造成较大的危害 之前发现差错。规划的好处可归纳为简化搜索、解决目标矛盾 以及为差错补偿提供基础。
“十二五”规划、城市规划、企业发展规划
合肥工业大学 人工智能与数据挖掘研究室
5/47
7.1 自动规划概述
7.1.2 规划的分类和问题分解途径
1. 规划的分类
（1）按规划内容分
国家、地方、重大项目、企业、交通、城市、环境…
（2）按规划方法分
非递阶（非分层）规划与递阶（分层）规划；线性规划与 非线性规划；同步规划与异步规划；基于脚本、框架和本体的 规划；基于专家系统的规划；基于竞争机制的规划；…
合肥工业大学 人工智能与数据挖掘研究室
2/47
7.1 自动规划概述
7.1.1 规划的概念及作用
1. 规划的概念
定义7.1 从某个特定的问题状态出发，寻求一系列行为动 作，并建立一个操作序列，直到求得目标状态为止。这个求解 过程就称为规划。
定义7.2 规划是对某个待求解问题给出求解过程的步骤。 规划涉及如何将问题分解为若干相应的子问题，以及如何记录 和处理问题求解过程中发现的各子问题间的关系。
第二条重要途径是把单一的困难问题分割为几个有希望的 较为容易解决的子问题。
合肥工业大学 人工智能与数据挖掘研究室
7/47
7.1 自动规划概述
7.1.2 规划的分类和问题分解途径
3. 域的预测和规划的修正
（1）域的预测 问题论域的预测。对于不可预测的论域，考虑可能的结果 集合，按照它们出现的可能性以某个次序排列。然后，产生一 个规划、并试图去执行这个规划。 （2）规划的修正 规划执行失败导致对规划的修正。 在规划过程中不仅要记录规划的执行步骤，而且要记录每 一步必须要执行的理由。
合肥工业大学 人工智能与数据挖掘研究室
14/47
第三部分叫做添加表。当把某条规则应用于某数据库时， 就把该添加表的内容添进该数据库。
合肥工业大学 人工智能与数据挖掘研究室
13/47
7.3 STRIPS规划系统
7.3.1 积木世界的机器人规划
2.用F规则求解规划序列
例： move(x, y, z): 把物体x从物体y上面移到物体z上面。 先决条件：CLEAR(x), CLEAR(z), ON(x,y) 删除表：ON(x, y), CLEAR(z) 添加表：ON(x, z), CLEAR(y)
（3）按规划实质分
任务规划、路径规划、轨迹规划…
合肥工业大学 人工智能与数据挖掘研究室
6/47
7.1 自动规划概述
7.1.2 规划的分类和问题分解途径
2. 问题分解途径
把某些较复杂的问题分解为一些较小的子问题。有两条实 现这种分解的重要途径。
第一条重要途径是当从一个问题状态移动到下一个状态时 ，无需计算整个新的状态，而只要考虑状态中可能变化了的那 些部分。
9/47
7.3 STRIPS规划系统
7.3.1 积木世界的机器人规划
机械手
C
B
A
(a)
求解机器人完成规定工作的动作序列
机械手
A B C
(b)
合肥工业大学 人工智能与数据挖掘研究室
10/47
7.3 STRIPS规划系统
7.3.1 积木世界的机器人规划
1. 积木世界的机器人问题
机器人能够执行的动作举例如下： unstack(a,b)：把堆放在积木b上的积木a拾起。在进行这个 动作之前，要求机器人的手为空手，且积木a的顶上是空的。 stack(a,b)： 把积木a堆放在积木b上。动作之前要求机械 手必须已抓住积木a，而且积木b顶上必须是空的。 pickup(a)： 从桌面上拾起积木a，并抓住它不放。在动作 之前要求机械手为空手，而且积木a顶上没有任何东西。 putdown(a)： 把积木a放置到桌面上。要求动作之前机械 手已抓住积木a。
定义7.3 规划系统是一个涉及有关问题求解过程步骤的系 统。如计算机或飞机设计、火车或汽车运输路径、财政和军事 规划等问题。
合肥工业大学 人工智能与数据挖掘研究室
3/47
7.1 自动规划概述
7.1.1 规划的概念及作用
例： 救援仿真机器人系统 （RoboCup Rescue Simulation System，RCRSS） ① 消防智能体 ② 医疗智能体 ③ 警察智能体 ④ 普通市民 ⑤ 中心智能体 ⑥ 路障 ⑦ 避难所 ⑧ 着火建筑物 ⑨ 普通建筑物）
合肥工业大学 人工智能与数据挖掘研究室
8/47
7.2 基于谓词逻辑的规划
用谓词逻辑来描述世界模型及规划过程。 世界模型的谓词逻辑表示
定义谓词 确定问题初始状态 确定问题目标状态 确定基本操作
基于谓词逻辑规划的基本过程
问题分解 子问题规划 得到操作序列
合肥工业大学 人工智能与数据挖掘研究室
合肥工业大学 人工智能与数据挖掘研究室
11/47
7.3 STRIPS规划系统
7.3.1 积木世界的机器人规划
1. 积木世界的机器人问题
状态描述谓词： ON(a,b)： 积木a在积木b之上。 ONTABLE(a)： 积木a在桌面上。 CLEAR(a)： 积木a顶上没有任何东西。 HOLDING(a)： 机械手正抓住积木a。 HANDEMPTY： 机械手为空手。