人工智能复习大纲.doc

【人工智能复习大纲】 人工智能是计算机科学的一个分支，它致力于研究、开发用于模拟、延伸和扩展人类智能的理论、方法、技术及应用系统。本复习大纲主要涵盖了人工智能的基础概念和技术，包括状态图、与或图、图搜索以及问题求解等相关知识点。 8. 状态图与与或图是人工智能中描述问题求解过程的重要工具。状态图是一种有向图，用于表示从初始状态到目标状态的可能路径，常用于路径规划和决策问题。它描绘了实体根据当前状态对不同事件的响应行为。与或图则是一种问题分解策略，由与节点和或节点组成，与节点表示所有子问题都必须解决才能解决问题，而或节点则表示只需解决其中一个子问题即可。 11. 与或树是结合了“与”和“或”逻辑的图结构，表示多个条件的组合。可解节点是指在与或树中满足特定条件可以解决问题的节点，包括终止节点、所有子节点可解的与节点和至少一个子节点可解的或节点。解树是由可解节点构成的一条从初始节点到终止节点的路径，代表问题的解决方案。 14. 状态空间搜索是人工智能中解决搜索问题的一种方法。搜索过程通常涉及两个关键数据结构：OPEN表和CLOSED表。OPEN表用于存储待扩展的节点，根据不同的搜索策略（如宽度优先搜索或深度优先搜索），节点在OPEN表中的排列顺序会有所不同。CLOSED表则记录已经扩展或即将扩展的节点，防止重复访问。 15. 广度优先搜索（BFS）和深度优先搜索（DFS）是两种基本的搜索策略。BFS先探索同一层次的节点，形成自顶向下、逐层展开的搜索树，适用于寻找最短路径或最早可达目标的场景。DFS则是先沿着一个分支深入搜索，直到达到叶子节点或达到预设深度，适合有限深度的搜索问题。DFS可能存在不完备性，即在无限分支中可能找不到解，并且得到的解不一定是最优的。 至于可合一性（Unification）是逻辑编程中的概念，用于判断两个逻辑表达式是否能够通过替换变量得到相同的形式。例如： - (1) P(a, b) 和 P(x, y) 是不可合一的，因为它们的参数不相同。 - (2) P(f(x), b) 和 P(y, z) 也是不可合一的，不存在通用替换使得两个表达式相同。 - (3) P(f(x), y) 和 P(y, f(b)) 可以通过替换 x 和 b 来实现合一，最一般合一为 {x := f^-1(b)}，这里的 f^-1 表示 f 的逆运算。 - (4) P(f(y), y, x) 和 P(x, f(z)) 是不可合一的，因为它们的结构不匹配。 复习人工智能时，理解这些基本概念和技术对于掌握人工智能的核心原理至关重要，它们是构建智能系统和解决实际问题的基础。在后续的学习中，还将涉及机器学习、自然语言处理、计算机视觉等多个领域的知识，这些都需要与基础概念相结合，以实现更高级的人工智能应用。