agent ：通過感測器感知所處環境並通過執行器對該環境產生作用的電腦程式及其控制的硬體。
感知資訊：表示任意給定時刻agent的感知輸入 / 感知序列：該agent所收到的所有輸入資料的完整歷史agent函式：
把任意給定感知序列對映到agent行動的描述 / agent程式：抽象的agent函式的乙個具體實現，該程式在agent自身結構上執行。效能度量：
通常由理性設計者給出，根據實際在所處的環境中希望得到的結果來設計度量，而不是根據agent應該表現的行為。理性的判斷取決於：效能度量、agent對環境的先驗知識、agent可執行的行動、agent到那時為止的感知序列。
理性agent應該選擇期望能使其效能度量最大化的行動。任務環境的屬性:完全可觀察的 vs 部分可觀察的；確定性的 vs 隨機的；片段式的 vs 延續式的；靜態的 vs 動態的；離散的 vs 連續的；單agent vs 多agent。
有4種型別的agent程式：簡單反射型agent、基於模型的反射型agent、基於目標的agent、基於效用的agent。
a演算法八數碼問題令：g(n)=d(n)——節點深度 h(n)=w(n)——不在位的數碼個數（啟發函式）則 f(n)=d(n)+w(n) 如：初始節點s的f值計算結果為 f(n)=d(n)+w(n)=0+4=4 有4個數碼不在位
對於 f(n)= g(n) + h(n) ，如果單獨考慮 g(n)或h(n) ，既：① f(n)= g(n) 只考慮搜尋過的路徑已經耗費的費用② f(n)= h(n) 只考慮未來的發展趨勢那麼可以得到兩種特殊的演算法：爬山演算法和分支界限演算法。
動態規劃演算法：僅保留queue中公共節點路徑中耗散值最小的路徑，餘者刪去，按g 值公升序排序。① 動態規劃與分支界限的差別在於去掉公共路徑中的冗餘部分，提高效率。
② 如果問題空間是樹結構，動態規劃與分支界限相同。a*演算法迷宮問題給定迷宮圖如下，找出從入口到出口得最短路徑。規則集：
右移、下移、左移、上移
a*演算法f 函式定義 f(n) ＝ g(n) ＋h(n) g(n) ＝d(n) 從初始節點s到當前節點n的搜尋深度
h(n) ＝| xg－xn | ＋ | yg－yn | 當前節點n與目標節點間的座標距離與或圖搜尋 ① 從節點n開始，正確選擇乙個外向連線符。② 從該連線符指向的每個後繼節點出發，繼續選擇乙個外向連線符。③ 依次類推，直到由此產生的每個後繼節點都是n中的乙個元素為止，n為終節點集合其耗散值：
k(n,n) ＝ cn+ k(n1,n)+ k(n2,n)+ …+ k(ni,n)極大極小值搜尋策略在極大極小值演算法基礎上增加了剪枝功能, 並採用深度優先策略進行搜尋。
剪枝條件：極小≤極大，剪枝 ； 極大≥極小，剪枝。
注意：只有乙個結點的值「固定」以後，其值才能向其父結點傳遞，如下圖所示：謂詞公式標準化：將乙個給定的公式化成乙個合取前束正規化，最終得到乙個子句集。
1 消去蘊含符號。 2 縮小否定符號的轄域：利用de morgan 定律。
3 變數標準化： 利用變數代換使不同的量詞所約束的變元各不相同。4 消去存在量詞：
（斯托林標準化）。5 化成前束形式。6 將母式化成合取正規化：
（每個合取項是乙個析取式）。7 消去全稱量詞： 由於公式中的所有變元均受全程量詞約束，所以可直接將全稱量詞消去。
8 消去合取符號，得到乙個子句集。9 更換變元名稱： （變元分離標準化）。
歸結的基本過程：1 公式標準化，得到子句集 2 構造初始子句集s= s0 ∪； 3 檢驗s中是否存在空子句（即永假式：p ∧ ～ p），如有空子句，則結束；4 否則，用歸結方法擴大子句集s，goto 2。
子句合一：c1=p(x,f(a)) ∨p(x,f(y)) ∨ q(y) c2=~p(z,f(a)) ∨ ~q(z)首先找出能夠合一的二個子集 l11= p(x,f(a)), l21= ~p(z,f(a))利用unify演算法對l11和~l21進行合一，求出合一置換s=l11和~l21的合一結果是： p(z,f(a))採用歸結方法，在c1中去掉l11，在c2中去掉l21 ，餘下部分用s= 進行置換，得到歸結式：
c=p(z,f(y)) ∨ q(y) ∨ ~q(z)歸結式的不唯一性： 原因是c1和c2的子集選擇可以不同。find-s演算法:
1. 將h初始化為h中最特殊假設 2. 對每個正例x:
對h的每個屬性約束ai, 如果x滿足ai 那麼不做任何處理, 否則將h中ai替換為x滿足的下乙個更一般約束 3. 輸出假設h。例如：
x1=, + x2=, +x3=x4=, +
執行演算法後h0=<>h1=h2= h3=
h4=候選消除演算法：1.初始化g和s；2.
如果d是乙個正例，從g中移去所有與d不一致的假設，對s中每個與d不一致的假設s從s中移去s，把s的所有的極小泛化式h加入到s中，其中h滿足：h與 d一致，而且g的某個成員比h更一般從s中移去所有這樣的假設：它比s中另乙個假設更一般；3.
如果d是乙個反例，從s中移去所有與d不一致的假設，對g中每個與d不一致的假設g從g中移去g把g的所有的極小特殊化式h加入到g中，其中h滿足：h與d一致，而且s的某個成員比h更特殊從g中移去所有這樣的假設：它比g中另乙個假設更特殊。
熵值計算舉例： 「playtennis」中s是乙個關於某布林概念的14個樣例的集合，包括9個正例和5個反例[9+，5-]。那麼s相對於這個布林分類的熵為：
熵值分析：如果s的所有成員屬於同一類，那麼s的熵為0如果s中正反樣例的數量相等時（或者：s中各類樣例等比例時），熵值為1如果s集合中正反例的數量不等時，熵介於0和1之間。
計算屬性wind的資訊增益values(wind) = weak, strongs = [9+,5sweak = [6+,2sstrong = [3+,3-]資訊增益：
entropy(s)- (8/14)entropy(sweak)- (6/14)entropy(sstrong)
=0.940- (8/14)0.811- (6/14)1.00
0.048
人工智慧課程考核要求
問題一問題描述 通過單步移動把下面的矩陣移動成1 8環繞一周的矩陣 即0在中間，1 8順序排成一圈，1在哪兒無所謂 2 8 3 1 6 4 7 0 5 1 分別用寬度和深度搜尋進行 2 假設啟發式的方程為,其中d n 為層次或深度，h n 為錯位的個數，試用啟發式演算法解決 3 程式設計 分別用寬度...
人工智慧期末總結
1.人工智慧是何時 何地 怎樣誕生的？1956 年夏季，美國的一些從事數學 心理學 電腦科學 資訊理論和神經學研究的年輕學者，匯聚在 dartmouth 大學，舉辦了一次長達兩個月的學術討論會，認真而熱烈的討論了用機器模擬人類智慧型的問題。在這次會議上，第一次使用了 人工智慧 這一術語，以代表有關機...
人工智慧知識點總結
chw 一 概論 1.人工智慧是由電腦科學 控制論 資訊理論 神經生理學 心理學 語言學等構成。2.智慧型科學研究智慧型的基本理論和實現技術，是由腦科學 認知科學 人工智慧等學科構成的交叉學科。3.認知 cognition 是和情感 動機 意志等相對的理智或認識過程。認知科學是研究人類感知和思維資訊...