人工智能 第3章_搜索策略-2★★
浅谈人工智能中的启发式搜索策略
浅谈人工智能中的启发式搜索策略
一、启发式策略
启发式策略是指在解决复杂问题时，根据人的经验和技巧来寻求最优解的方法。它是人工智能领域中的一种和规划技术，可以解决形式化的各种问题。启发式策略广泛应用于机器学习、图形图计算、机器人控制和计算机图形学等多种领域。
启发式策略包括：A*算法、B*树算法、启发式和动态规划等。A*算法是一种非常有效的启发式方法，它采用了一个启发函数来估计待访问节点的最优价值，从而可以根据最小价值节点而进行，的效果比较好。B*树算法是一种静态的启发式方法，该算法在每一步都可以通过比较不同节点价值来确定最优路径，从而更有效地出最优路径。启发式和动态规划都是一种在状态空间中采取其中一种方法或策略以获得最优解的技术，两者最大的不同点在于，启发式依赖于当前状态，动态规划则更倾向于最终目标。
二、应用
启发式策略广泛应用于人工智能领域，它可以用来解决各种形式化问题，如游戏、自然语言处理问题等。
人工智能课后答案第三章
人工智能课后答案 第三章
本页仅作为文档封面，使用时可以删除
This document is for reference only-rar21year.March 1.基于谓词逻辑的机器推理方法：自然演绎推理，归结演绎推理，基于规则的演绎推理。
2. 求下列谓词公式的子句集
(1) xy(P(x,y) Q(x,y))
解：去掉存在量词变为：P(a,b)Q(a,b)
变成子句集{ P(a,b),Q(a,b)}
(2) x y(P(x,y) Q(x,y)) 解：去掉蕴涵符号变为：x y(¬ P(x,y) Q(x,y))
去掉全称量词变为：¬ P(x,y) Q(x,y)
变成子句集{ ¬ P(x,y) Q(x,y)}
(3) {()[(,)(,,)]}xPxyzQxzzRxyz
()(,)(,(),)PxQxzRxfxz
(4)((,,,,,)(,,,,,)(,,,,,))xyzuvwPxyzyvwQxyzyvwRxyzuvw {p(a,y,f(y),y,v,g(y,v)) Q(a,y,f(y),y,v,g(y,v)), p(a,x,f(x),x,z,g(x,z)) R(a,x,f(x),h(x),z,g(x,z))}
3. 试判断下列子句集中哪些是不可满足的
（1）使用删除策略
（2）归结
4.用合一算法求下列公式集的最一般合一。
（1）W={Q(a,x),Q(y,b)}
最一般合一为:{a/y,b/y} （2）{()((,))}WQxyzQuhvvu，，，，，
最一般合一为：{z/u,h(v,v)/y,z/x}或{x/u,h(v,v)/y,x/z}
5.用归结原理证明，G是否可肯定是F的逻辑结果。
(1) F1 (x)(P(x)(Q(x)∧R(x))
F2 (x) (P(x) ∧S(x)
G (x)(S(x) ∧R(x))
人工智能导论第五版答案第三章
人工智能导论第五版答案第三章
1. 什么是推理,请从多种角度阐述推理?
(1)推理:按照某种策略从已有事实和知识推出结论的过程。
(2)正向推理正向推理(事实驱动推理)是由已知事实出发向结论方向的推理。
基本思想是:系统根据用户提供的初始事实,在知识库中搜索能与之匹配的规则即当前可用的规则,构成可适用的规则集RS,然后按某种冲突解决策略从RS中选择一条知识进行推理,并将推出的结论作为中间结果加入到数据库DB中作为下一步推理的事实,在此之后,再在知识库中选择可适用的知识进行推理,如此重复进行这一过程,直到得出最终结论或者知识库中没有可适用的知识为止。
正向推理简单、易实现,但目的性不强,效率低。需要用启发性知识解除冲突并控制中间结果的选取,其中包括必要的回溯。由于不能反推,系统的解释功能受到影响。
(3)反向推理反向推理是以某个假设目标作为出发点的一种推理,又称为目标驱动推理或逆向推理。
反向推理的基本思想是:首先提出一个假设目标,然后由此出发,进一步寻找支持该假设的证据,若所需的证据都能找到,则该假设成立,推理成功;若无法找到支持该假设的所有证据,则说明此假设不成立,需要另作新的假设。
与正向推理相比,反向推理的主要优点是不必使用与目标无关的知识,目的性强,同时它还有利于向用户提供解释。反向推理的缺点是在选择初始目标时具有很大的盲目性,若假设不正确,就有可能要多次提出假设,影响了系统的效率。
反向推理比较适合结论单一或直接提出结论要求证实的系统。
(4) 推理方式分类演绎推理、归纳推理、默认推理确定性推理、不精确推理单调推理、非单调推理启发式推理、非启发式推理
2. 什么是逆向推理?它的基本过程是什么?
解:逆向推理是以某个假设目标作为出发点的推理方法过程:
(1)将问题的初始证据和要求证的目标(称为假设)分别放入综合数据库和假设集;(2)从假设集中选出一个假设,检查该假设是否在综合数据库中,若在,则该假设成立。此时,若假设集为空,则成功退出。否则,扔执行(2)。若该假设不在数据库中,则执行下一步;(3)检查该假设是否可由知识库的某个知识导出,若不能由某个知识导出,则询问用户寻找新的假设。若不是,则转(5),若能由某个知识导出,则执行下一步;(4)将知识库中可以导出该假设的所有知识构成一个可用知识集;(5)检查可用知识集是否为空,若空,失败退出。否则执行下一步;(6)按冲突消解策略从可用知识集中取出一个知识,继续执行下一步:
人工智能课程习题与部分解答
《人工智能》
课程习题与部分解答
第1章 绪论
什么是人工智能? 它的研究目标是什么?
什么是图灵测试?简述图灵测试的基本过程及其重要特征.
在人工智能的发展过程中，有哪些思想和思潮起了重要作用？
在人工智能的发展过程中，有哪些思想和思潮起了重要作用？
人工智能的主要研究和应用领域是什么？其中，哪些是新的研究热点？
第2章 知识表示方法
什么是知识？分类情况如何？
什么是知识表示？不同的知识表示方法各有什么优缺点?
人工智能对知识表示有什么要求?
用谓词公式表示下列规则性知识：
自然数都是大于零的整数。
任何人都会死的。
[解] 定义谓词如下:
N(x): “x是自然数”, I(x): “x是整数”, L(x): “x大于0”, D(x): “x会死的”, M(x): “x是人”,则上述知识可用谓词分别表示为:
)]()()()[(xIxLxNx
)]()()[(xDxMx
用谓词公式表示下列事实性知识：
小明是计算机系的学生，但他不喜欢编程。
李晓新比他父亲长得高。 产生式系统由哪几个部分组成? 它们各自的作用是什么?
可以从哪些角度对产生式系统进行分类? 阐述各类产生式系统的特点。
简述产生式系统的优缺点。
简述框架表示的基本构成，并给出框架的一般结构
框架表示法有什么特点？
试构造一个描述你的卧室的框架系统。
试描述一个具体的大学教师的框架系统。
[解] 一个具体大学教师的框架系统为：
框架名：
类属：
姓名：张宇
性别：男
年龄：32
职业：
职称：副教授
部门：计算机系
研究方向：计算机软件与理论
人工智能研究生教学大纲041112
教 学 大 纲
课程编号 课程名称 人工智能原理 开课学院 计算机学院
建议开课学期 第一学期 主讲教师及职称 孙吉贵教授
教材信息 人工智能原理，吉林大学出版社，刘叙华，姜云飞，1995.
课件信息 课件名称: 人工智能原理，制作时间: 2004，课件类型: ppt
讲课学时 60学时 实验学时 总学分 4
课程的性质与任务 人工智能原理是一门硕士研究生的专业基础课程，同时也是具有广泛应用背景的课程。随着国内信息产业的发展、计算机应用的普及和面向领域的高层次软件的开发和应用，国内急需一大批掌握高层次、分析性软件开发和应用的软件分析、设计和开发的专业人员。本门课程旨在讲授面向领域的知识表示、及其在表示之下的搜索理论、方法和技术，讲授智能软件的基本原理和实现方法与技术，全面提高学生分析问题和解决问题的方法和能力。
教学要求 人工智能技术已被誉为当代三大尖端技术之一。人工智能的原理与技术，不仅能够帮助人们研制出具有智能行为的计算机系统，而且能使各种实用领域的计算机系统更加精巧和灵活，使人们用起来更加方便与自如。人工智能的思想与原理，对其它学科也有重要促进作用。随着人工智能的发展，人工智能技术的推广和应用成为计算机领域的重要课题、要想让计算机具有智能，最根本的和首要的是要计算机具有推理能力。
1. 本门课程的学习内容，主要以宏观人工智能为基础，讲授符号主义人工智能的基本原理与方法。使90%以上的学生能够熟练掌握基于产生式系统的知识表示方法和基于逻辑的知识表示方法，在此基础上，熟练掌握产生式系统表示下的适用于机器的基本搜索理论、方法和技术；熟练掌握基于命题逻辑和一阶逻辑的适合于机器推理的归结推理理论、方法和技术。
2. 通过本门课程的学习，使大80%以上的学生掌握所学习的各种搜索算法和推理算法，并将其用于高层次分析性软件的设计和开发中，运用所学知识解决实际问题；
3. 在熟练掌握上述基本内容的基础上，有选择地扩展知识结构，如其它知识表示方法及其机器求解方法介绍，微观人工智能介绍、微观人工智能与宏观人工智能的结合，机器学习方法等等。使有余力的学生，将人工智能各种理论、方法和技术融会贯通。
人工智能第三版课件第 章搜索的基本策略
人工智能第三版课件第 章搜索的基本策略
在人工智能的领域中，搜索是一种非常重要的技术。搜索引擎如今已经成为人们获取信息的主要途径之一。本文将介绍人工智能第三版课件第章中搜索的基本策略。
1. 确定搜索目标
搜索的第一步是明确搜索目标。在人工智能中，搜索目标指的是要找到的解答或解决方案。这可以是一个问题的答案，也可以是一个最佳解、一个规则、一个模式等等。
2. 问题建模
在进行搜索之前，需要将问题进行建模。问题建模的目的是将问题表达为一种规范的形式，以便能够用搜索算法来解决。常用的问题建模方法包括状态空间表示、图表示、约束满足问题表示等。
3. 搜索算法选择
选择合适的搜索算法对于搜索的效率和准确性至关重要。常见的搜索算法包括深度优先搜索、广度优先搜索、启发式搜索（如A*算法）等。不同的搜索算法适用于不同类型的搜索问题。
4. 启发式函数设计
启发式函数在启发式搜索过程中起着关键作用。它用于估计一个状态距离目标状态的代价或优劣程度。合理设计启发式函数可以加速搜索过程，并提高搜索的质量。 5. 剪枝策略
搜索空间往往非常庞大，因此为了提高搜索效率，可以采用剪枝策略。剪枝策略指的是在搜索过程中排除那些不可能达到解答或解决方案的状态，以减少搜索空间的规模。
6. 并行搜索
对于大规模的搜索问题，采用并行搜索是一种有效的策略。通过将搜索任务划分为多个子任务并行进行，可以极大地缩短搜索时间。在并行搜索过程中，需要解决任务划分、任务调度以及结果合并等问题。
7. 维护搜索历史
在搜索过程中，为了提高效率和避免重复搜索，可以维护搜索历史。搜索历史可以记录已经搜索过的状态或路径，避免再次访问。这可以通过哈希表、缓存等数据结构来实现。
8. 评估搜索结果
最后一步是评估搜索结果。评估搜索结果的目的是确定搜索是否达到了预期的目标。评估搜索结果的方法可以根据具体的应用场景而定，可以是人工评估、专家评估或者自动评估等。
《人工智能及其应用》(蔡自兴)课后习题答案第3章
第三章 搜索推理技术
3-1 什么是图搜索过程?其中，重排OPEN表意味着什么，重排的原则是什么?
图搜索的一般过程如下：
(1) 建立一个搜索图G(初始只含有起始节点S)，把S放到未扩展节点表中（OPEN表）中。
(2) 建立一个已扩展节点表（CLOSED表），其初始为空表。
(3) LOOP：若OPEN表是空表，则失败退出。
(4) 选择OPEN表上的第一个节点，把它从OPEN表移出并放进CLOSED表中。称此节点为节点n，它是CLOSED表中节点的编号
(5) 若n为一目标节点，则有解并成功退出。此解是追踪图G中沿着指针从n到S这条路径而得到的(指针将在第7步中设置)
(6) 扩展节点n，生成不是n的祖先的那些后继节点的集合M。将M添入图G中。
(7) 对那些未曾在G中出现过的(既未曾在OPEN表上或CLOSED表上出现过的)M成员设置一个通向n的指针，并将它们加进OPEN表。
对已经在OPEN或CLOSED表上的每个M成员，确定是否需要更改通到n的指针方向。
对已在CLOSED表上的每个M成员，确定是否需要更改图G中通向它的每个后裔节点的指针方向。
(8) 按某一任意方式或按某个探试值，重排OPEN表。
(9) GO LOOP。
重排OPEN表意味着，在第(6)步中，将优先扩展哪个节点，不同的排序标准对应着不同的搜索策略。
重排的原则当视具体需求而定，不同的原则对应着不同的搜索策略，如果想尽快地找到一个解，则应当将最有可能达到目标节点的那些节点排在OPEN表的前面部分，如果想找到代价最小的解，则应当按代价从小到大的顺序重排OPEN表。
3-2 试举例比较各种搜索方法的效率。
宽度优先搜索
(1) 把起始节点放到OPEN表中(如果该起始节点为一目标节点，则求得一个解答)。
(2) 如果OPEN是个空表，则没有解，失败退出；否则继续。
(3) 把第一个节点(节点n)从OPEN表移出，并把它放入CLOSED扩展节点表中。
《人工智能》--课后习题答案
《人工智能》课后习题答案
第一章 绪论
1.1答：人工智能就是让机器完成那些如果由人来做则需要智能的事情的科学。人工智能是相对于人的自然智能而言，即用人工的方法和技术，研制智能机器或智能系统来模仿延伸和扩展人的智能，实现智能行为和“机器思维”，解决需要人类专家才能处理的问题。
1.2答：“智能"一词源于拉丁“Legere”，意思是收集、汇集，智能通常用来表示从中进行选择、理解和感觉。所谓自然智能就是人类和一些动物所具有的智力和行为能力。
智力是针对具体情况的，根据不同的情况有不同的含义。“智力”是指学会某种技能的能力，而不是指技能本身。
1。3答：专家系统是一个智能的计算机程序，他运用知识和推理步骤来解决只有专家才能解决的复杂问题。即任何解题能力达到了同领域人类专家水平的计算机程序度可以称为专家系统.
1。4答:
自然语言处理—语言翻译系统，金山词霸系列
机器人-足球机器人
模式识别—Microsoft Cartoon Maker
博弈—围棋和跳棋
第二章 知识表达技术
2。1解答：
（1）状态空间（State Space）是利用状态变量和操作符号,表示系统或问题的有关知识的符号体系,状态空间是一个四元组(S，O，S0，G）：
S-状态集合；O—操作算子集合;S0—初始状态，S0S；G—目的状 态，GS,(G可若干具体状态，也可满足某些性质的路径信息描述)
从S0结点到G结点的路径被称为求解路径。
状态空间一解是一有限操作算子序列,它使初始状态转换为目标状态:
O1 O2 O3 Ok
S0S1S2……G
其中O1，…，Ok即为状态空间的一个解(解往往不是唯一的)
(2）谓词逻辑是命题逻辑的扩充和发展，它将原子命题分解成客体和谓词两个部分.
与命题逻辑中命题公式相对应，谓词逻辑中也有谓词（命题函数）公式、原子谓词公式、复合谓词公式等概念.一阶谓词逻辑是谓词逻辑中最直观的一种逻辑。
人工智能第三章（1）
⼈⼯智能第三章（1）说明:(1) n的先辈节点。
(2)对已存在于OPEN表的节点(如果有的话)删除之；但
删除之前要⽐较其返回初始节点的新路径与原路径,如
果新路径“短”, 则修改这些节点在OPEN表中的原返回
指针,使其沿新路返回。(3)对已存在于CLOSED表的节点(如果有的话), 做与(2)
同样的处理, 并且再将其移出CLOSED表, 放⼊OPEN表重
新扩展(为了重新计算代价)。(4)对其余⼦节点配上指向n的返回指针后放⼊OPEN表中
11
修改返回指针⽰例
宽度优先搜索⽰意图。 3 8 16 27
深度优先搜索⽰意图
等代价搜索算法
把起始节点S放到未扩展节点表OPEN中。如果此起始节点为⼀⽬标节点,则求得⼀个解；否则令g(S)=0;
如果OPEN是个空表，则没有解⽽失败退出;
从OPEN表中选择⼀个节点i，使其g(i)为最⼩.如果有⼏个节点都合格，那么就要选择⼀个⽬标节点作为节点i(要是有⽬标
代价树的⼴度优先搜索1.把初始节点S 0放⼊OPEN表，令g(S 0)=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CLOSE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，为每⼀个⼦节点都配置指向⽗节点的指针，计算各⼦节点的代价，并将各⼦节点放⼊OPEN 表中。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。
代价树搜索举例A B
C
D
E
4
32
3
45
交通图44
索策略,并写出其搜索过程中的open和close表（在所有情况中2 补充题：根据右边的交通图，重排OPEN表,选择最有希望的节点加以扩展50
⼀个算法的例⼦
定义评价函数：2 8 31 6 47 5
1 2 38 47 6 5
h计算举例
h(n) =4 g(n)=0
f(n)=4+0=4
2831647 5 1 2 38 47 6 5