对抗搜索
引入
在竞争环境中，两个或两个以上的智能体具有互相冲突的目标，这引出了对抗搜索问题。通常对博弈的研究专注于如国际象棋、围棋和扑克之类的项目，而不是处理真实世界中的混乱冲突。这些项目的简化特性是一个优势：博弈状态很容易表示，智能体通常仅能执行少数几个动作，而且动作的效果由明确的规则定义。对于体育比赛，描述更加复杂，可能动作的范围更大，而……继续阅读 »
yanzexi
1年前 (2023-10-15) 300浏览 0评论
1个赞
非确定性动作的搜索
引入
当环境部分可观测时，智能体并不确定它处于什么状态；当环境是非确定性的时，智能体不知道在执行某个动作后将转移到什么状态。这意味着智能体所思考的不再是“我现在位于$s_1$状态，如果我执行$a$动作，我将会进入$s_2$状态”，而是“我现在位于$s_1$或$s_3$状态，如果我执行$a$动作，我将会进入$s_2$、$s_4……继续阅读 »
yanzexi
1年前 (2023-10-14) 330浏览 0评论
1个赞
在一个非确定性的世界中，智能体将需要一个条件规划，并根据它所观测到的情况执行不同的动作。
之前的搜索问题关注于找到一条通过搜索空间的路径，但有时只需要关心最终状态，而不是到达状态的路径。局部搜索（$local$ $search$）算法的操作是从一个起始状态搜索到其相邻状态，它……继续阅读 »
yanzexi
1年前 (2023-10-13) 297浏览 0评论
1个赞
启发式函数对性能的影响
影响与分析
一种描述启发式函数质量的方法是有效分支因子$b^*$。如果针对一个特定问题，$A^*$搜索所生成的总节点数是$n$，而解的深度是$d$，那么$b^*$就是深度为$d$的均衡树要包含$n + 1$个节点所必需的分支因子。因此有:
$$
n+1=1+b^*+\left( b^* \right) ^2+\cdot ……继续阅读 »
yanzexi
1年前 (2023-10-12) 253浏览 0评论
1个赞
满意搜索
不可容许的启发式函数
$A^*$搜索有很多好的性质，但它扩展了大量节点。如果愿意接受次优但“足够好”的解——即满意解，则可以探索更少的节点（花费更少的时间和空间）。
如果允许$A^*$搜索使用不可容许的启发式函数，那么算法就有可能错过最优解，但是可能更准确，从而减……继续阅读 »
yanzexi
1年前 (2023-10-11) 229浏览 0评论
1个赞
有信息搜索（$informed$ $search$）策略——使用关于目标位置的线索——通常比无信息搜索策略更有效地找到解。线索以启发式函数（$heuristic$ $function$）的形式出现，记为 h(n)：
贪心算法 （$greedy$ $best$-$first$ $search$）
说明与性能分析
&nbs……继续阅读 »
yanzexi
1年前 (2023-10-10) 224浏览 0评论
1个赞
无信息搜索算法是指在不提供有关某个状态与目标状态的接近程度的任何线索的情况下进行的搜索。
广度优先搜索（$BFS$,$breadth$-$first$ $search$）
定义
当所有动作的代价相同时，正确的策略是采用广度优先搜索，即先扩展根节点，然后扩展根节点的所有后继节……继续阅读 »
yanzexi
1年前 (2023-10-09) 350浏览 0评论
1个赞
问题形式化
引入
回到之前的探讨，我们应该知道人工智能应该是“正确的行为”，而在需要采用的正确动的作不明显时，智能体需要提前规划：考虑一个形成通往目标状态路径的动作序列。这样的智能体被称为问题求解智能体（$problem$-$solving$ $agent$），它所进行的计算过程被称为搜索（$search$）。
&nbs……继续阅读 »
yanzexi
1年前 (2023-10-08) 306浏览 0评论
1个赞
人工智能
什么是人工智能
约翰·麦卡锡：它是制造智能机器，特别是智能计算机程序的科学和工程。它与使用计算机理解人类智能的类似任务有关，但人工智能不必局限于生物学上可观察的方法。
马文·明斯基：“使计算机能够做一些当由人类完成时会被认为需要智力的事情”
人工智能之父们及其贡……继续阅读 »
yanzexi
1年前 (2023-10-07) 298浏览 0评论
1个赞
