没有合适的资源?快使用搜索试试~ 我知道了~
(完整word版)人工智能-综合文档.doc
需积分: 0 0 下载量 150 浏览量
2022-11-18
03:19:58
上传
评论
收藏 135KB DOC 举报
温馨提示
试读
17页
(完整word版)人工智能-综合文档.doc
资源推荐
资源详情
资源评论
(完整 word 版)人工智能 综合文档
1。 人工智能的定义
人工智能(Artificial Intelligence) ,英文缩写为 AI.它是研究、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。 人工智能是计算机科学的一个分支,它企图了解智能的实质,并生产出一种新的能以
人类智能相似的方式作出反应的智能机器,该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等
定义 1 智能机器
能够在各类环境中自主地或交互地执行各种拟人任务(anthropomorphic tasks)的机器.
定义 2 人工智能(学科)
人工智能(学科)是计算机科学中涉及研究、设计和应用智能机器的一个分支。它的近期主要目标在于研究用机器来模
仿和执行人脑的某些智力功能,并开发相关理论和技术。
定义 3 人工智能(能力)
人工智能(能力)是智能机器所执行的通常与人类智能有关的智能行为,如判断、推理、证明、识别、感知、理解、通信、
设计、思考、规划、学习和问题求解等思维活动.
为了让读者对人工智能的定义进行讨论,以便更深刻地理解人工智能,下面综述其它几种关于人工智能的定义。
定义 4 人工智能是一种使计算机能够思维,使机器具有智力的激动人心的新尝试(Haugeland,1985)。
定义 5 人工智能是那些与人的思维、决策、问题求解和学习等有关活动的自动化(Bellman,1978)。
定义 6 人工智能是用计算模型研究智力行为(Charniak 和 McDermott,1985)。
定义 7 人工智能是研究那些使理解、推理和行为成为可能的计算(Winston,1992).
定义 8 人工智能是一种能够执行需要人的智能的创造性机器的技术(Kurzwell,1990)。
定义 9 人工智能研究如何使计算机做事让人过得更好(Rick 和 Knight,1991)。
定义 10 人工智能是一门通过计算过程力图理解和模仿智能行为的学科(Schalkoff,1990)。
定义 11 人工智能是计算机科学中与智能行为的自动化有关的一个分支(Luger 和 Stubblefield,1993)。
2。 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?
答:人工智能的应用领域有:问题求解 、 逻辑推理与定理证明、自然语言理解、自动程序设计、专家系统、机器学
习、神经网络、机器人学、模式识别、 机器人视觉、智能控制、智能检索、智能调度与指挥、分布式人工智能与 Agent 、
计算智能与进化计算、数据挖掘与知识发现、人工生命 。
(完整 word 版)人工智能 综合文档
其中新的研究热点为:分布式人工智能与 Agent 、计算智能与进化计算、数据挖掘与知识发现、人工生命.
3.状态空间法、问题归纳法、谓语动词法和语义网络法等知识表示方法的要点是什么?他们有何关系?
状态空间法是一种基于解答空间的问题表示和求解方法,它是以状态和操作符为基础的。
问题归纳法是从目标出发,逆向推理,通过一系列变换把初始问题变换为问题集合和子问题集合,直至最后归纳为一个平凡
的本原问题集合。状态空间法是问题归纳法的一种特例。
谓语动词法采用谓语合式公式和一阶谓词演算把要解决的问题变为一个有待证明的问题,然后采用消解原理和消解反演来证
明一个新语句是从已知的正确语句导出的,从而证明这个新语句也是正确的.
语义网络法是一种结构化表示方法,它由节点和弧线或链线组成,节点表示物体、概念和状态,弧线表示节点间关系.
在求解问题过程中,往往不是一种方法就能解决问题,而需要几种方法混合使用。
现在人工智能有哪些学派?它们的任知观是什么?
答:人工智能的学派及其认知观如下:
(1)符号主义 认为人工智能起源于数理逻辑;
(2)连接主义 认为人工智能起源于仿生学,特别是对人脑模型的研究;
(3)行为主义 认为人工智能源于控制论.
4.什么是图搜索过程?A*算法?
搜索算法是来自于人工智能理论中问题的状态空间表示法;按照这种表示法,不同的问题求解过程可以统一地转化为在问题
状态空间中寻找一条从初始状态到目标状态的道路的过程.
图搜索策略可看作一种在图中寻找路径的方法。初始节点和目标节点分别代表初始数据库和满足终止条件的数据库。求得把
一个数据库变换为另一数据库的规则序列问题就等价于求得图中的一条路径问题
A*(A—Star)算法是一种静态路网中求解最短路最有效的方法.
公式表示为: f(n)=g(n)+h(n),
其中 f(n) 是节点 n 从初始点到目标点的估价函数,
g(n) 是在状态空间中从初始节点到 n 节点的实际代价,
h(n)是从 n 到目标节点最佳路径的估计代价.
保证找到最短路径(最优解的)条件,关键在于估价函数 h(n)的选取:
估价值 h(n)〈= n 到目标节点的距离实际值,这种情况下,搜索的点数多,搜索范围大,效率低。但能得到最优解.
如果 估价值〉实际值, 搜索的点数少,搜索范围小,效率高,但不能保证得到最优解。
估价值与实际值越接近,估价函数取得就越好.
例 如 对 于 几 何 路 网 来 说 , 可 以 取 两 节 点 间 欧 几 理 德 距 离 ( 直 线 距 离 ) 做 为 估 价 值 , 即 f=g(n)+sqrt ( (dx-nx) *
(dx-nx)+(dy-ny)*(dy—ny));这样估价函数 f 在 g 值一定的情况下,会或多或少的受估价值 h 的制约,节点距目标点近,h
值小,f 值相对就小,能保证最短路的搜索向终点的方向进行。明显优于 Dijstra 算法的毫无无方向的向四周搜索。
conditions of heuristic
Optimistic (must be less than or equal to the real cost)
As close to the real cost as possible
主要搜索过程:
创建两个表,OPEN 表保存所有已生成而未考察的节点,CLOSED 表中记录已访问过的节点。
遍历当前节点的各个节点,将 n 节点放入 CLOSE 中,取 n 节点的子节点 X,-〉算 X 的估价值->
While(OPEN!=NULL)
{
(完整 word 版)人工智能 综合文档
从 OPEN 表中取估价值 f 最小的节点 n;
if(n 节点==目标节点) break;
else
{
if(X in OPEN) 比较两个 X 的估价值 f //注意是同一个节点的两个不同路径的估价值
if( X 的估价值小于 OPEN 表的估价值 )
更新 OPEN 表中的估价值; //取最小路径的估价值
if(X in CLOSE) 比较两个 X 的估价值 //注意是同一个节点的两个不同路径的估价值
if( X 的估价值小于 CLOSE 表的估价值 )
更新 CLOSE 表中的估价值; 把 X 节点放入 OPEN //取最小路径的估价值
if(X not in both)
求 X 的估价值;
并将 X 插入 OPEN 表中; //还没有排序
}
将 n 节点插入 CLOSE 表中;
按照估价值将 OPEN 表中的节点排序; //实际上是比较 OPEN 表内节点 f 的大小,从最小路径的节点向下进行。
启发式搜索其实有很多的算法,比如:局部择优搜索法、最好优先搜索法等等.当然 A*也是。这些算法都使用了启发函
数,但在具体的选取最佳搜索节点时的策略不同。象局部择优搜索法,就是在搜索的过程中选取“最佳节点”后舍弃其他的
兄弟节点,父亲节点,而一直得搜索下去。这种搜索的结果很明显,由于舍弃了其他的节点,可能也把最好的节点都舍弃了,
因为求解的最佳节点只是在该阶段的最佳并不一定是全局的最佳。最好优先就聪明多了,他在搜索时,便没有舍弃节点(除
非该节点是死节点),在每一步的估价中都把当前的节点和以前的节点的估价值比较得到一个“最佳的节点”。这样可以有效
的防止“最佳节点”的丢失。那么 A*算法又是一种什么样的算法呢?其实 A*算法也是一种最好优先的算法.只不过要加上
一些约束条件罢了。由于在一些问题求解时,我们希望能够求解出状态空间搜索的最短路径,也就是用最快的方法求解问题,
A*就是干这种事情的!
我们先下个定义,如果一个估价函数可以找出最短的路径,我们称之为可采纳性。A*算法是一个可采纳的最好优先算法。A*
算法的估价函数可表示为:
f’(n) = g'(n) + h’(n)
这里,f’(n)是估价函数,g’(n)是起点到终点的最短路径值,h’(n)是 n 到目标的最断路经的启发值。由于这个 f'
(n)其实是无法预先知道的,所以我们用前面的估价函数 f(n)做近似。g(n)代替 g’(n),但 g(n)>=g’(n)才可(大多
数情况下都是满足的,可以不用考虑),h(n)代替 h'(n),但 h(n)〈=h’(n)才可(这一点特别的重要).可以证明应用这
样的估价函数是可以找到最短路径的,也就是可采纳的。我们说应用这种估价函数的最好优先算法就是 A*算法。哈。你懂
了吗?肯定没懂.接着看。
举一个例子,其实广度优先算法就是 A*算法的特例。其中 g(n)是节点所在的层数,h(n)=0,这种 h(n)肯定小于
h’(n),所以由前述可知广度优先算法是一种可采纳的.实际也是.当然它是一种最臭的 A*算法.
再说一个问题,就是有关 h(n)启发函数的信息性.h(n)的信息性通俗点说其实就是在估计一个节点的值时的约束条件,如果
信息越多或约束条件越多则排除的节点就越多,估价函数越好或说这个算法越好.这就是为什么广度优先算法的那么臭的原
因了,谁叫它的 h(n)=0,一点启发信息都没有.但在游戏开发中由于实时性的问题,h(n)的信息越多,它的计算量就越大,
耗费的时间就越多.就应该适当的减小 h(n)的信息,即减小约束条件。但算法的准确性就差了,这里就有一个平衡的问题。}
5.求取子句集遵循哪些步骤?结合例题加以应用.
剩余16页未读,继续阅读
资源评论
matlab大师
- 粉丝: 2435
- 资源: 9万+
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功