人工智能-一种现代的方法-chapter3-通过搜索进行问题求解
人工智能-一种现代的方法(第3版)——Chapter 3—通过搜索进行问题求解
受到一名大佬的启发,向大佬学习使用写博客的方式进行人工智能原理的学习,这是第一篇,希望能坚持下去,最后,向大佬致敬@dale丶无双
3.0 — 绪论
3.1&3.2 — 问题求解Agent -&-问题实例
1. 问题形式化:一个问题用5个部分进行形式化描述,以罗马尼亚案例为例说明
- 1.1 — 初始状态: In(Arad)
1.2 — 行动:ACTIONS(s),即,给定一个状态s,ACTIONS(s)返回状态s下可以执行的动作的集合,例如状态s为 *In(Arad),ACTIONS(s)返回的行动为
1.3 — 转移模型:RESULT(s,a),在状态s下,执行a动作后,达到的状态。也会使用后继状态表示从一给定状态出发,通过单步行动,可以达到的状态集合。例如
初始状态、行动和转移模型定义了问题的状态空间,即,从初始状态可以达到的所有状态的集合。罗马尼亚地图就可以解释为一个状态空间图,结点表示状态,结点之间的弧表示行动。状态空间中的一条路径指的是通过行动连接起来的一个状态序列。
1.4 — 目标测试:确定给定的状态是不是目标状态。有时,目标状态是一个显示集合(?什么是显示),测试只需要简单的检查给定状态是否在目标状态集合中。对罗马尼亚案例来说,目标状态集为:, 有时候,目标状态不是一个显式可枚举的目标状态集合,而是具备某些特定抽象属性的状态。例如,国际象棋中,目标状态是指被将死的状态,即,对方国王在己方国王攻击得无路可逃必死无疑。
- 1.5 — 路径耗散:路径耗散函数为每条路径赋一个耗散值,即,边加权,罗马尼亚案例中,路径耗散可以是用公里数表示的路径长度。采用行动a从状态s走到状态s’所需要的单步耗散用c(s, a, s’)。
问题的解是从初始状态到目标状态的一组行动序列。解的质量由路径耗散函数衡量,路径耗散值最小的即为最优解
**2. 罗马尼亚案例的PEAS**
- 2.1 可观察的—Agent总是知道当前状态,Agent在罗马尼亚开车,每到达一个城市发现标识,表明该城市。
- 2.2 离散的 — 在任一给定状态,可选的行动是有限的,在罗马尼亚游玩时,每个城市只与其他一小部分城市相邻(应该是说与有限个城市相邻的意思,但是这个和离散有什么关系)。
- 2.3 已知的 — Agent知道每个行动达到的状态(因为有 地图)
- 2.4 确定的 — 每个行动的额结果只有一个
3. 真空吸尘器世界的问题形式化
4. 八数码问题的问题形式化
5. 八皇后问题
这类问题的形式化分为两类:
- 5.1— 增量形式化:从空状态开始,每次添加一个皇后道状态中。其形式化如下:
此时,这种形式化需要考察个可能序列,如果,禁止把一个皇后放到可能被攻击的格子里,这样的形式化更好,
此时,状态空间降到了2057- 5.2— 完整状态形式化:8个皇后都在棋盘上,并且不断移动
无论哪种情况,都不需要考虑路径消耗,只需考虑最终状态。
6.
3.3—通过搜索求解
未完待续
人工智能-一种现代的方法-chapter3-通过搜索进行问题求解相关推荐
- 人工智能提纲式汇总+简要分析 可用于复习《人工智能——一种现代的方法》
文章目录 人工智能 第一章 什么是AI 第二章 智能Agent 理性AI的任务环境的规范描述 第三章 通过搜索进行问题求解 1.搜索树 BFS 宽度优先搜索 UCS 一致代价搜索 DFS 深度优先算法 ...
- NO.74——《人工智能·一种现代方法》通过搜索进行问题求解 学习笔记
问题求解Agent 如何将问题形式化?(以罗马尼亚案例为例) 初始状态:In(Arad) 行动:ACTIONS(s),即,给定一个状态s,ACTIONS(s)返回状态s下可以执行的动作的集合.例如状态 ...
- 人工智能-一种现代的方法 全文总览
一 总览全文 这本书分为八部分. 第一部分,人工智能,提供AI企业的看法 基于智能代理的思想 - 系统可以决定要做什么,然后再做. 第二部分 问题解决,集中于决定在需要考虑前进步骤时要做什么的方法 ...
- Python的数据分析中超参数调优方法:网格搜索
[小白从小学Python.C.Java] [Python全国计算机等级考试] [Python数据分析考试必会题] ● 标题与摘要 Python的数据分析中 超参数调优方法:网格搜索 ● 选择题 以下说 ...
- AI(人工智能:一种现代的方法)学习之:无信息搜索(uninformed search)算法——广度优先搜索、深度优先搜索、Uniform-cost search
文章目录 参考 搜索算法 深度优先搜索 depth-first search 性能分析 完整性 complete 最优性 optimal 时间复杂度 空间复杂度 广度优先搜索 breadth-firs ...
- 人工智能 一种现代方法 第14章 概论推理
文章目录 贝叶斯网络 贝叶斯网络是什么 一种构造贝叶斯网络的方法 条件分布的有效表示 贝叶斯网络的精确推理 推理任务 通过枚举进行推理 变量消元算法(避免重复计算) 贝叶斯网络的近似推理 直接采样 似 ...
- 人工智能 一种现代方法 第10章 经典的规划问题(classical planning)
文章目录 规划问题定义(PDDL)为一个搜索问题 状态空间搜索规划算法 前向状态空间搜索 后向相关状态搜索 规划的启发式 资源分享 本文旨在讲明: 1)规划问题定义(PDDL)为一个搜索问题 2)前向 ...
- 人工智能 一种现代方法 第11章 现实世界的规划与行动
文章目录 时间.调度和资源 车间调度问题 忽略资源约束的时间调度问题:关键路径方法 有资源约束的时间调度问题 分层规划 搜索原语解 搜索抽象解 非确定性问题的规划 无传感器规划 应急规划 资源分享 本 ...
- 人工智能 一种现代方法 第5章 对抗搜索
文章目录 博弈 博弈中的优化决策 Minmax算法(极小极大算法) 多人博弈时的最优决策 α-β剪枝(重点) 不完美的实时决策 评估函数 截断搜索 向前剪枝 资源分享 博弈 对抗搜索:竞争环境中每个A ...
最新文章
- 博士申请 | ​香港中文大学LaVi实验室招收2022年秋季入学博士生、硕士生
- 关于征集2020重大科学问题和工程技术难题的通知
- nacos单机模式使用mysql库_Nacos docker 单机模式,mysql 搭建
- 互联网晚报 | 3月28日 星期一 | 上海医保局辟谣:新冠患者要自负医疗费用不属实 ;十荟团关停全国所有业务...
- kettle时间维度_MySQL快速生成时间维度表
- screen的一些常用命令和快捷键
- Ubuntu中ssh远程报错:packet_write_wait: Connection to 192.168.163.190 port 22: Broken pipe lost connection
- onclick与addEventListener的区别
- html顶栏符号不显示,html – 带有USE标记的SVG无法呈现
- 【Cadence16.6】安装教程
- C#调用WPS2016方法和常见问题处理
- mybatis(狂神说笔记)
- 谷歌放弃了IE6/The Google phasing out support for IE6.0
- hive查看表中列的信息命令_Linux查看硬件信息之dmidecode命令详解
- vendor php,使用php composer时, 如何优雅修改vendor中第三方代码
- 2022虎年头像框制作小程序源码带背景音乐+流量主功能
- android 获得ram大小,Android中获取(RAM)总运存大小跟可用运存大小
- Thinking in Java:并发
- qt抽屉菜单_Python PyQt4实现QQ抽屉效果
- python爬取某城市各监测站点历史空气质量数据
热门文章
- Linux进程调用execve,实验:从整理上理解进程创建、可执行文件的加载和进程执行进程切换,重点理解分析fork、execve和...
- Trunk、本征vlan、vlan跳跃攻击
- openstack单节点安装(先电版)
- Markdown编辑器语法——设置字体、字号和颜色
- java全栈系列之JavaSE--数组的定义和创建023
- Excel与VBA编程中的常用代码
- linux 交换机tftp服务,简单文件传输TFTP服务器搭建 Linux RHEL6
- JAVA md5把我气到疯的代码,天哪,神呀,我的C# 啊。
- npm使用国内淘宝镜像的方法(两种)
- 17位行业影响力者的数字藏品2022年趋势研判!丨巴比特数字藏品高峰论坛金句实录...