人工智能教程 - 专业选修课程4.3.12 - 高级人工智能 1.概述,搜索

高级人工智能

---

体系

• 计算智能

  • 搜索问题

  • 人工神经网络和深度学习

  • 序列数据的深度学习模型

  • 图像数据的深度学习模型

  • 深度学习模型的训练方法

  • 对抗学习

• 知识智能

  • 命题逻辑的语义推论

  • 命题逻辑的形式推演

  • 谓词逻辑

  • 模糊知识表达和推理

  • 知识表示学习

• 群体智能

  • 演化计算

  • 强化学习

  • 博弈论

智能的概念

智能：个体适应环境并能在不同环境中实现其目标的能力。

蕴含众多方面的能力

– 创造、推理、学习

– 归纳、演绎、类比

– 优化、规划、知识

– 模式识别、问题求解

– ……

---

搜索

解是一个行动序列，将初始状态转换为目标状态。

搜素问题是对原问题的建模

例子：罗马尼亚旅游

状态空间：

• Cities

后继函数：

• Roads:Go to adhacent city with cost = distance

初始状态：

• Arad

目标测试：

• is state == Bucharest?

解？

状态空间：包含了环境中的每一个细节

搜索空间：只保留行动需要的细节

---

路径问题

Problem: Pathing

• States: (x, y) location
• Actions: NSEW
• 后继函数 Successor: update location only
• 目标检测 Goal test: is (x,y) = END

---

吃豆子问题

Problem: Eat- All- Dots

• States: {(x, y) location,dot booleans}
• Actions: NSEW
• 后继函数 Successor: update location
  and possibly a dot boolean
• 目标检测 Goal test: dots all false

---

状态空间的状态数量

世界状态：

• Agent positions: 120
• Food count: 30
• Chost pointions: 12
• Agent facing: NSEW

数量
世界状态?
$120\times (2^{30})\times(12^2) \times 4$120×(230)×(122)×4
路径规划状态?
120
吃光豆子 状态？
$120\times (2^{30})$120×(230)

---

.
安全通行

Problem: eat all dots while keeping the ghosts perma-scared
What does the state space have to specify?
(agent position, dot booleans, power pelleans, remaining scared time)

状态空间图

搜索树